Finedefics

🚀 Finedefics模型卡片

Finedefics是一個開源的多模態大語言模型（MLLM），通過在訓練階段融入物體的信息屬性描述，增強了模型的細粒度視覺識別（FGVR）能力，為相關研究提供了有力支持。

🚀 快速開始

此文檔暫未提供快速開始相關內容，若有需要可參考模型的官方倉庫獲取更多信息。

✨ 主要特性

• Finedefics是一個自迴歸語言模型，基於Transformer架構構建。
• 以HuggingFaceM4/idefics2 - 8b為基礎MLLM。
• 通過在訓練階段融入物體的信息屬性描述，增強了模型的細粒度視覺識別（FGVR）能力。

📚 詳細文檔

模型詳情

預期用途

主要預期用途

Finedefics的主要用途是用於細粒度多模態大語言模型的研究。

主要預期用戶

該模型的主要預期用戶是計算機視覺、自然語言處理、機器學習和人工智能領域的研究人員和愛好者。

訓練和評估數據集

使用了6個細粒度視覺識別數據集，包括Stanford Dog - 120、Bird - 200、FGVC - Aircraft、Flower - 102、Oxford - IIIT Pet - 37和Stanford Car - 196。

📄 許可證

Idefics2採用Apache 2.0許可證，我們以相同的許可證發佈Finedefics的檢查點。

💡 使用提示

若對模型有疑問或建議，可前往https://github.com/PKU-ICST-MIPL/Finedefics_ICLR2025/issues 提交。