AIbase
JA
モデル選定
タグ
マルチモーダル指示理解

# マルチモーダル指示理解

Instructclip InstructPix2Pix
Apache-2.0
InstructCLIPは、コントラスティブ学習による自動データ最適化で改良された指示誘導型画像編集モデルで、CLIPとStable Diffusion技術を組み合わせ、テキスト指示に基づいて画像を編集できます。
テキスト生成画像 英語
I
SherryXTChen
450
5
Llama 3 2 11b Vision Electrical Components Instruct
MIT
Llama 3.2 11B Vision Instruct は視覚と言語を組み合わせたマルチモーダルモデルで、画像からテキストへのタスクをサポートします。
画像生成テキスト 英語
L
ankitelastiq
22
1
Openvla 7b Finetuned Libero Goal
MIT
これはLIBERO-GoalデータセットでLoRA技術を使用してファインチューニングされたOpenVLA 7B視覚言語動作モデルで、ロボット技術分野に適しています。
画像生成テキスト Transformers 英語
O
openvla
746
1
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