# マルチモーダル命令ファインチューニング

これはLlamaアーキテクチャに基づくマルチモーダルモデルで、視覚とテキストの命令をサポートし、4ビット量子化で最適化されています。

Med-CXRGen-IはLLaVA-v1.5-7Bをファインチューニングしたマルチモーダル大規模言語モデルで、胸部X線画像の放射線学的レポート生成タスク、特に所見部分の生成に特化しています。

Med-CXRGen-FはLLaVA-v1.5-7Bをファインチューニングしたマルチモーダル大規模言語モデルで、特に胸部X線検査結果部分の自動生成に特化しています。

xGen-MMはSalesforce AI Researchが開発したマルチモーダル基礎モデルシリーズで、BLIPシリーズを改良し、高品質な画像キャプションとインターレース画像テキストデータでトレーニングされています。

xGen-MMはSalesforce AI Researchが開発した最新の基盤大規模マルチモーダルモデルシリーズで、BLIPシリーズを改良し、強力な画像理解とテキスト生成能力を備えています。

OTTER-MPT7B-InitはOtterモデルのトレーニング初期化用の重みで、Openflamingoから直接変換されたものです。

これはBLIPアーキテクチャに基づく画像キャプション生成モデルで、入力された画像に対して簡潔なテキスト説明を生成できます。