Florence 2 DocVQA
マイクロソフトのFlorence-2モデルをDocmatixデータセット(データ量の5%)で1日間ファインチューニングしたバージョンで、画像テキスト理解タスクに適しています
ダウンロード数 30
リリース時間 : 10/4/2024
モデル概要
このモデルはFlorence-2-large-ftのファインチューニングバージョンで、画像とテキストの共同理解タスクに焦点を当て、特定ドメインのデータで性能を強化しています
モデル特徴
ドメイン適応ファインチューニング
Docmatixデータセットを使用して特定ドメインのパフォーマンスを向上させるためのターゲットファインチューニングを実施
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、クロスモーダル理解を実現
モデル能力
画像テキスト理解
クロスモーダル推論
視覚的質問応答
使用事例
ドキュメント理解
ドキュメント画像解析
スキャンしたドキュメント画像から構造化情報を抽出
教育技術
教材内容分析
教材の図とテキスト内容を分析し要約を生成
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