AIbase
JA
モデル選定
タグ
マルチモーダル制御

# マルチモーダル制御

Spatialvla 4b 224 Sft Fractal
MIT
SpatialVLAは視覚-言語-動作モデルで、fractalデータセットでファインチューニングされ、主にロボット制御タスクに使用されます。
テキスト生成画像 Transformers 英語
S
IPEC-COMMUNITY
375
0
Openvla 7b Oft Finetuned Libero Object
MIT
OpenVLA-OFTは最適化された視覚 - 言語 - 動作モデルで、微調整技術により速度と成功率が大幅に向上しています。
マルチモーダル融合 Transformers
O
moojink
403
1
Spatialvla 4b 224 Pt
MIT
SpatialVLAは110万の実ロボット操作シーンで訓練された空間拡張視覚言語動作モデルで、ロボット制御タスクに特化しています
マルチモーダル融合 Transformers 英語
S
IPEC-COMMUNITY
13.06k
5
Stable Diffusion 3.5 Large Controlnet Blur
その他
Stable Diffusion 3.5大規模モデルを基にしたぼかし制御ネットワークで、ぼかし画像を通じて生成内容を制御
画像生成 英語
S
stabilityai
603
11
Hico T2I
Apache-2.0
HiCoは、レイアウトから画像生成タスクのために設計された階層制御可能な拡散モデルです。
画像生成 英語
H
qihoo360
29
2
CSGO
Apache-2.0
CSGOはテキストから画像を生成するPyTorch実装で、画像駆動のスタイル転送、テキスト駆動のスタイライズ合成、テキスト編集駆動のスタイライズ合成をサポートしています。
画像生成 英語
C
InstantX
500
34
Stable Diffusion 2 Depth Img2img
深度情報に基づく画像生成・編集モデルで、テキストプロンプトと深度マップから高品質な画像を生成可能
画像生成
S
radames
30
8
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