Minivla History2 Vq Libero90 Prismatic
模型概述
MiniVLA是一個視覺語言動作模型,支持圖像文本到文本的轉換,具有多模態處理能力。該模型與Prismatic VLMs項目代碼庫兼容,適合完全微調或通過LoRA進行參數高效微調。
模型特點
兼容Prismatic訓練腳本
支持原生PyTorch FSDP完全微調,與Prismatic VLMs項目代碼庫兼容。
參數高效微調
支持通過LoRA進行參數高效微調,適合計算資源有限的情況。
多模態處理
能夠處理圖像和文本的聯合輸入,實現視覺語言動作的建模。
模型能力
圖像文本轉換
多模態處理
視覺語言動作建模
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執行特定動作。
多模態交互
圖像描述生成
根據輸入的圖像生成相應的文本描述。
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