LLaVAオープンソースマルチモーダルチャットボット - 無料で利用可能、多様なタイプの会話交流をサポート！

Llava V1.5 Mlp2x 336px Pretrain Vicuna 7b V1.5

liuhaotianによって開発

LLaVAはオープンソースのマルチモーダルチャットボットで、LLaMA/Vicunaをファインチューニングし、GPTで生成されたマルチモーダル指示追従データでトレーニングされています。

ダウンロード数 173

リリース時間 : 10/5/2023

モデル概要

LLaVAはTransformerアーキテクチャに基づく自己回帰型言語モデルで、主に大規模マルチモーダルモデルとチャットボットの研究に使用されます。

マルチモーダル能力

視覚と言語の理解能力を統合し、画像とテキスト入力を処理できます。

指示追従

複雑なマルチモーダル指示を理解し実行できます。

オープンソース

モデルは完全にオープンソースで、研究開発に利用可能です。

画像理解

視覚質問応答

マルチモーダル対話

指示追従

研究

マルチモーダルモデル研究

コンピュータビジョンと自然言語処理のクロスドメイン研究に使用されます。

アプリケーション開発

インテリジェントチャットボット

画像内容を理解できるインテリジェント対話システムの開発。

これは事前学習済みのチェックポイントです。これを使用して、マルチモーダルモデルの命令微調整を行うことができます。

こちらの手順を参照してください。

LLaVAは、GPTで生成されたマルチモーダル命令追従データを使用してLLaMA/Vicunaを微調整することで学習されたオープンソースのチャットボットです。この事前学習済みチェックポイントを使って、マルチモーダルモデルの命令微調整を行うことができます。

LLaVAは、マルチモーダルモデルとチャットボットの研究に役立ちます。これは、トランスフォーマーアーキテクチャに基づく自己回帰型言語モデルです。

属性	详情
モデルタイプ	LLaVAは、GPTで生成されたマルチモーダル命令追従データを使用してLLaMA/Vicunaを微調整することで学習されたオープンソースのチャットボットです。トランスフォーマーアーキテクチャに基づく自己回帰型言語モデルです。
モデルの日付	LLaVA-v1.5-MLP2x-336px-Pretrain-Vicuna-7B-v1.5は2023年9月に学習されました。
詳細情報の論文またはリソース	https://llava-vl.github.io/