# 視覚的質問応答

Gemma 3はGoogleがGemini技術を基に構築した軽量オープンモデルシリーズで、12Bバージョンは量子化対応トレーニング(QAT)技術を採用し、マルチモーダル入力と128Kコンテキストウィンドウをサポートします。

GITはトランスフォーマーベースの画像からテキストを生成するモデルで、入力画像に基づいて記述的なテキストを生成できます。

VoRAは7Bパラメータの視覚-言語モデルで、画像テキストからテキストへの変換タスクに特化しています。

Sapnous-6Bは先進的な視覚言語モデルで、強力なマルチモーダル能力により世界の知覚と理解を向上させます。

このモデルはgemma-3-27b-itをINT4量子化したバージョンで、各パラメータのビット数を減らすことでディスクとGPUメモリの要件を低減しています。

Gemma 3はGoogleが提供する軽量で最先端のオープンソースマルチモーダルモデルで、テキストと画像の入力に対応しテキストを出力します。128Kのコンテキストウィンドウと140以上の言語をサポート

Gemma 3はGoogleが提供する軽量オープンソースのマルチモーダルモデルシリーズで、Geminiと同じ技術を基に構築されており、テキストと画像の入力を受け取りテキストを出力します

GemmaはGoogleが提供する軽量で最先端のオープンモデルシリーズで、Geminiと同じ技術を基に構築されており、マルチモーダル入力とテキスト出力をサポートします。

軽量マルチモーダルモデルで、動画コンテンツ分析のために設計されており、動画、画像、テキスト入力を処理してテキスト出力を生成できます。

SmolVLM2-256M-Videoは軽量マルチモーダルモデルで、動画コンテンツ分析のために設計されており、動画、画像、テキスト入力を処理しテキスト出力を生成できます。

SmolVLM2-2.2Bは、動画コンテンツ分析のために設計された軽量マルチモーダルモデルで、動画、画像、テキスト入力を処理しテキスト出力を生成できます。

Qwen2.5-VL-3B-InstructのFP8量子化バージョンで、視覚-テキスト入力とテキスト出力をサポートし、推論効率を最適化しています。

LlamaV-o1は、複雑な視覚的推論タスクのために設計された先進的なマルチモーダル大規模言語モデルで、カリキュラム学習技術によって最適化され、多様なベンチマークテストで卓越した性能を発揮します。

GITはTransformerベースの生成的画像テキスト変換モデルで、視覚コンテンツをテキスト記述に変換できます。

Qwen2-VL-2B-InstructをベースにLoRA技術でファインチューニングした皮膚科専門診断モデル。皮膚状態の画像を分析し、専門的な診断記述を提供可能。

Florence-2-base-ftをファインチューニングした肺がん検出モデルで、肺画像から肺がんの種類を識別

ピーコックモデルはInstructBLIPアーキテクチャに基づくアラビア語マルチモーダル大規模言語モデルで、言語モデルにはAraLLaMAを採用しています。

Donut はTransformerベースの画像からテキストへのモデルで、画像からテキストコンテンツを抽出・生成できます。

google/paligemma-3b-mix-448を微調整したマルチモーダル対話モデルで、マルチターン対話シーンに最適化されています

このモデルは、google/paligemma-3b-pt-224をVQAv2データセットの一部でファインチューニングしたバージョンで、視覚的質問応答タスクに特化しています。

LLaVA-v1.5フレームワークでトレーニングされた大規模マルチモーダルモデルで、80億パラメータのMeta-Llama-3-8B-Instructを言語バックボーンとして採用し、CLIPベースの視覚エンコーダーを備えています。

LLaVA-Next-Videoはオープンソースのマルチモーダルダイアログモデルで、大規模言語モデルをマルチモーダル指示追従データで微調整しており、ビデオとテキストのマルチモーダルインタラクションをサポートします。

UForm-Gen2-dpoは、直接選好最適化（DPO）を用いてVLFeedbackおよびLLaVA-Human-Preference-10K選好データセットで画像キャプション生成と視覚的質問応答タスクに対してアライメント訓練された小型生成視覚言語モデルです。

MoAIは大規模な言語と視覚の混合モデルで、画像とテキスト入力を処理し、テキスト出力を生成できます。

LLaVAは大規模な言語と視覚のアシスタントモデルで、画像とテキストのマルチモーダルタスクを処理できます。

LLaVAは、画像に関連するテキストコンテンツを理解し生成できる視覚言語モデルです。

UForm-Genは小型の生成的視覚言語モデルで、主に画像キャプション生成と視覚的質問応答に使用されます。

LLaVA 1.6 34Bはオープンソースのマルチモーダルチャットボットモデルで、マルチモーダル命令追従データで大規模言語モデルをファインチューニングして開発されました。画像テキストからテキスト生成タスクをサポートします。

LLaVAはオープンソースのマルチモーダルチャットボットで、マルチモーダル指示追従データを用いて大規模言語モデルの微調整を行っています。

LLaVAはオープンソースのマルチモーダルチャットボットで、マルチモーダル指示追従データで大規模言語モデルをファインチューニングして訓練されています。

MiniCPM-Vは、エンドデバイス展開に最適化された効率的で軽量なマルチモーダルモデルで、中英バイリンガルのインタラクションをサポートし、同規模のモデルを凌駕する性能を発揮します。

InfiMMはFlamingoアーキテクチャに触発されたマルチモーダル視覚言語モデルで、最新のLLMモデルを統合し、幅広い視覚言語処理タスクに適しています。

UForm-Gen-ChatはUForm-Genのマルチモーダルチャットファインチューニング版で、主に画像キャプション生成と視覚的質問応答タスクに使用されます。

UForm-Genは小型の生成的視覚言語モデルで、主に画像キャプション生成と視覚的質問応答に使用されます。

ko-deplotはGoogleのPix2Structアーキテクチャに基づく韓国語視覚的質問応答モデルで、Deplotモデルを微調整してトレーニングされ、韓国語と英語のチャート画像質問応答タスクをサポートします。

LLaVAは視覚言語モデルで、画像に関連するテキストコンテンツを理解し生成できます。

LLaVAはオープンソースのマルチモーダルチャットボットで、LLaMA/Vicunaアーキテクチャをベースに、マルチモーダル命令追従データで微調整されています。

LLaVAはオープンソースのマルチモーダルチャットボットで、LLaMA/VicunaモデルをGPT生成のマルチモーダル指示データで微調整してトレーニングされています。

LLaVAはオープンソースのマルチモーダルチャットボットで、LLaMA/Vicunaを微調整し視覚能力を統合、画像とテキストのインタラクションをサポートします。

BLIP-2は、画像エンコーダーと大規模言語モデルを組み合わせた視覚言語モデルで、画像からテキスト生成や視覚的質問応答タスクに使用されます。