Minivla History2 Vq Libero90 Prismatic
MiniVLAは、より小型ながら優れた性能を持つ視覚言語動作モデルで、Prismatic VLMsトレーニングスクリプトと互換性があり、ロボット技術やマルチモーダルタスクに適しています。
ダウンロード数 22
リリース時間 : 12/11/2024
モデル概要
MiniVLAは視覚言語動作モデルで、画像テキストからテキストへの変換をサポートし、マルチモーダル処理能力を備えています。このモデルはPrismatic VLMsプロジェクトコードベースと互換性があり、完全なファインチューニングまたはLoRAによるパラメータ効率的なファインチューニングに適しています。
モデル特徴
Prismaticトレーニングスクリプト互換
ネイティブPyTorch FSDP完全ファインチューニングをサポートし、Prismatic VLMsプロジェクトコードベースと互換性があります。
パラメータ効率的なファインチューニング
LoRAによるパラメータ効率的なファインチューニングをサポートし、計算リソースが限られている場合に適しています。
マルチモーダル処理
画像とテキストの結合入力を処理でき、視覚言語動作のモデリングを実現します。
モデル能力
画像テキスト変換
マルチモーダル処理
視覚言語動作モデリング
使用事例
ロボット技術
視覚言語動作制御
画像とテキスト入力を通じてロボットに特定の動作を実行させます。
マルチモーダルインタラクション
画像キャプション生成
入力された画像に基づいて対応するテキスト記述を生成します。
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