F

Florence 2 VLM Doc VQA

由prithivMLmods開發
基於microsoft/Florence-2-base-ft微調的視覺問答(VQA)專用版本,能夠解讀圖像內容並回答相關問題
下載量 69
發布時間 : 10/26/2024

模型概述

該模型經過優化,專門用於視覺問答任務,能夠理解圖像內容並生成與視覺信息相關的自然語言回答

模型特點

視覺問答能力
能夠理解圖像內容並回答相關問題
基於Florence-2優化
在基礎模型上針對視覺問答任務進行了專門微調
英文支持
專注於英文視覺問答任務

模型能力

圖像內容理解
視覺問答
圖像轉文本

使用案例

教育
教育輔助工具
幫助學生理解教材中的圖像內容
提供準確的圖像相關問答
無障礙服務
視覺輔助
為視障人士描述圖像內容
生成準確的圖像描述和回答相關問題
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase