M

Minivla Vq Bridge Prismatic

Developed by Stanford-ILIAD
MiniVLA 是一个更小体积但性能更强的视觉语言动作模型,兼容 Prismatic VLMs 项目代码库。
Downloads 22
Release Time : 12/12/2024

Model Overview

MiniVLA 是一个多模态预训练模型,专注于视觉语言动作任务,能够处理图像文本到文本的转换。

Model Features

兼容 Prismatic VLMs
与原始 Prismatic VLMs 项目代码库兼容,便于使用原生 PyTorch 进行完整微调。
参数高效微调支持
支持通过 LoRA 进行参数高效微调,适合计算资源有限的场景。
多模态能力
结合视觉和语言处理能力,适用于复杂的多模态任务。

Model Capabilities

图像文本转换
多模态理解
视觉语言动作处理

Use Cases

机器人技术
视觉语言动作控制
通过图像和文本输入控制机器人动作
多模态应用
图像描述生成
根据图像生成文本描述
AIbase
Empowering the Future, Your AI Solution Knowledge Base
© 2025AIbase