L

Llava Int4

Developed by emon-j
LLaVA是一个多模态大模型,通过连接视觉编码器与大语言模型实现通用视觉助手功能
Downloads 40
Release Time : 11/15/2023

Model Overview

LLaVA通过简单投影矩阵连接CLIP视觉编码器与Vicuna/LLaMa等大语言模型,能够理解并执行语言和图像指令

Model Features

多模态理解
同时处理视觉和语言输入,理解图像内容并生成相关响应
简单架构设计
通过轻量级投影矩阵连接预训练视觉和语言模型,实现高效多模态融合
指令跟随能力
能够理解复杂的多模态指令并执行相应任务

Model Capabilities

图像内容理解
视觉问答
多模态对话
图像描述生成
视觉指令执行

Use Cases

智能助手
视觉辅助问答
回答用户关于图像内容的各类问题
提供准确且上下文相关的答案
教育
交互式学习
通过图像和文字交互解释复杂概念
AIbase
Empowering the Future, Your AI Solution Knowledge Base
© 2025AIbase