AIbase
JA
モデル選定
タグ
マルチタスク視覚理解

# マルチタスク視覚理解

PE Spatial G14 448
Apache-2.0
知覚エンコーダ（PE）は、シンプルな視覚言語学習トレーニングを通じて最先端の画像および動画理解エンコーダです。
P
facebook
3,256
16
Florence 2 Large Ft Safetensors
MIT
Florence-2はマイクロソフトが開発した先進的な視覚基盤モデルで、プロンプトベースのアーキテクチャにより様々な視覚と言語タスクを統一的に処理
画像生成テキスト
F
mrhendrey
162
2
Florence 2 Large Ft
MIT
Florence-2はマイクロソフトが開発した先進的な視覚基盤モデルで、プロンプトベースのアプローチで様々な視覚と言語タスクを処理します。
画像生成テキスト Transformers
F
andito
93
4
Florence 2 Base
MIT
Florence-2はマイクロソフトが開発した先進的な視覚基盤モデルで、プロンプトベースのアプローチを用いて幅広い視覚および視覚言語タスクを処理します。
テキスト生成画像 Transformers
F
microsoft
316.74k
264
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