Paligemma Rich Captions
基於PaliGemma-3b模型在DocCI數據集上微調的圖像描述生成模型,能生成200-350字符的詳細描述文本,減少幻覺現象
下載量 66
發布時間 : 5/17/2024
模型概述
專注於生成圖像的中等長度詳細描述文本的視覺語言模型,適用於需要豐富圖像描述的自動化場景
模型特點
詳細描述生成
能生成200-350字符的詳細圖像描述,比常規caption模型提供更豐富的信息
減少幻覺
通過DocCI數據集微調,顯著降低了描述中的虛構內容
多模態理解
結合視覺編碼器和語言模型,實現精準的圖文對齊
模型能力
圖像內容理解
詳細文本生成
多模態推理
使用案例
內容創作
自動圖像標註
為圖庫或媒體資源生成詳細的元數據描述
生成包含場景、對象和關係的豐富描述
輔助技術
視覺輔助
為視障用戶生成詳細的圖像語音描述
提供超出簡單caption的環境上下文信息
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98