AIbase
JA
ホーム
Llava Phi 2 3b
L

Llava Phi 2 3b

marianna13によって開発
LLaVa-Phi-2-3Bはオープンソースのマルチモーダルチャットボットモデルで、Phi-2アーキテクチャを基にファインチューニングされ、画像とテキスト入力を処理し自然言語応答を生成できます。
テキスト生成画像
Transformers
 英語オープンソースライセンス:MIT#マルチモーダル対話#軽量視覚言語モデル#命令追従最適化
ダウンロード数 153
リリース時間 : 1/28/2024

モデル概要

このモデルはPhi-2モデルをマルチモーダル命令追従データでファインチューニングしており、視覚-言語理解能力を持ち、画像説明や視覚的質問応答などのタスクに使用可能です。

モデル特徴

マルチモーダル理解
画像とテキスト入力を同時に処理し、視覚内容を理解して関連する応答を生成可能
効率的なパラメータ利用
僅か3Bパラメータ規模でより大規模なモデルに近い性能を実現
命令追従
ユーザー命令に従うよう特別に訓練されており、対話型インタラクションに適している

モデル能力

画像理解
視覚的質問応答
画像説明生成
マルチモーダル対話
命令追従

使用事例

教育
視覚補助学習
複雑な図表や画像内容の理解を学生支援
アクセシビリティ技術
画像説明サービス
視覚障害ユーザー向けに画像内容を音声説明
コンテンツモデレーション
マルチモーダルコンテンツ分析
画像とテキスト内容を同時分析しより包括的なコンテンツモデレーションを実現
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
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
English简体中文繁體中文にほんご
© 2025AIbase