P

Paligemma Rich Captions

由gokaygokay開發
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
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase