Florence 2 VLM Doc VQA
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
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