M

Minivla History2 Vq Libero90 Prismatic

由Stanford-ILIAD開發
MiniVLA是一個更小體積但性能優異的視覺語言動作模型,兼容Prismatic VLMs訓練腳本,適用於機器人技術和多模態任務。
下載量 22
發布時間 : 12/11/2024

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