AIbase
JA
モデル選定
タグ
高精度視覚質問応答

# 高精度視覚質問応答

Videorefer 7B Stage2.5
Apache-2.0
VideoRefer-7Bはビデオ大規模言語モデルに基づくマルチモーダルモデルで、時空間物体理解タスクに特化しています。
テキスト生成ビデオ Transformers 英語
V
DAMO-NLP-SG
20
2
Qwen2 VL 72B Instruct GGUF
その他
Qwen2-VL-72B-InstructのGGUF量子化バージョンで、マルチモーダルの画像テキストからテキストへの変換をサポートし、LlamaEdgeで実行できます。
画像生成テキスト Transformers 英語
Q
second-state
221
0
Llama 3.2V 11B Cot
Apache-2.0
Llama-3.2V-11B-cot は自発的かつ体系的な推論が可能な視覚言語モデルで、LLaVA-CoTフレームワークに基づいて開発されました。
画像生成テキスト Transformers 英語
L
Xkev
5,089
151
Internlm Xcomposer2 Vl 1 8b
その他
InternLM2ベースの視覚-言語大規模モデルで、優れた画像理解と創作能力を備えています
テキスト生成画像 Transformers
I
internlm
169
18
Internlm Xcomposer2 Vl 7b
その他
InternLM-XComposer2はInternLM2を基に開発された視覚-言語大規模モデルで、卓越した画像テキスト理解と創作能力を備えています。
テキスト生成画像 Transformers
I
internlm
1,902
82
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