Vilt Finetuned 100
基於ViLT-B32-MLM模型在VQA數據集上微調的視覺語言模型
下載量 15
發布時間 : 5/7/2025
模型概述
該模型是基於ViLT架構的視覺語言模型,經過在VQA(視覺問答)數據集上的微調,能夠理解圖像內容並回答相關問題。
模型特點
多模態理解
能夠同時處理視覺和文本信息,理解圖像內容並回答相關問題
基於Transformer架構
採用先進的Transformer架構,有效捕捉視覺和語言特徵之間的關係
微調優化
在VQA數據集上進行專門微調,提升了視覺問答任務的性能
模型能力
圖像內容理解
視覺問答
多模態特徵提取
使用案例
智能助手
圖像內容問答
回答用戶關於圖像內容的自然語言問題
教育技術
視覺學習輔助
幫助學生理解教材中的圖像內容
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