Minivla Vq Libero90 Prismatic
MiniVLAは軽量な視覚言語モデルで、Prismatic VLMsトレーニングフレームワークと互換性があり、画像テキストからテキストへのマルチモーダルタスクをサポートします。
ダウンロード数 31
リリース時間 : 12/11/2024
モデル概要
MiniVLAは事前学習されたマルチモーダル視覚言語モデルで、画像テキストからテキストへのタスクに焦点を当てています。このモデルはPrismatic VLMsトレーニングフレームワークと互換性があり、完全なファインチューニングに適しています。
モデル特徴
Prismaticトレーニングフレームワーク互換
Prismatic VLMsプロジェクトコードベースを直接使用して完全なファインチューニングが可能
軽量設計
大規模な視覚言語モデルと比較して、パラメータ規模が小さいながらも優れた性能を発揮
マルチモーダル能力
画像とテキストの共同理解と生成タスクを処理可能
モデル能力
画像理解
テキスト生成
マルチモーダル推論
視覚的質問応答
使用事例
ロボット技術
視覚ナビゲーション指令理解
ロボットが視覚シーンを理解し、対応する動作指令を生成するのを支援
コンテンツ生成
画像説明生成
入力画像に基づいて自然言語の説明を生成
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98