M

Minivla Vq Bridge Prismatic

由Stanford-ILIAD開發
MiniVLA 是一個更小體積但性能更強的視覺語言動作模型,兼容 Prismatic VLMs 項目代碼庫。
下載量 22
發布時間 : 12/12/2024

模型概述

MiniVLA 是一個多模態預訓練模型,專注於視覺語言動作任務,能夠處理圖像文本到文本的轉換。

模型特點

兼容 Prismatic VLMs
與原始 Prismatic VLMs 項目代碼庫兼容,便於使用原生 PyTorch 進行完整微調。
參數高效微調支持
支持通過 LoRA 進行參數高效微調,適合計算資源有限的場景。
多模態能力
結合視覺和語言處理能力,適用於複雜的多模態任務。

模型能力

圖像文本轉換
多模態理解
視覺語言動作處理

使用案例

機器人技術
視覺語言動作控制
通過圖像和文本輸入控制機器人動作
多模態應用
圖像描述生成
根據圖像生成文本描述
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase