AIbase
TW
模型選型
標籤
多模態控制

# 多模態控制

Spatialvla 4b 224 Sft Fractal
MIT
SpatialVLA是一個視覺-語言-動作模型，通過在fractal數據集上微調得到，主要用於機器人控制任務。
文本生成圖像 Transformers 英語
S
IPEC-COMMUNITY
375
0
Openvla 7b Oft Finetuned Libero Object
MIT
OpenVLA-OFT是一個經過優化的視覺-語言-動作模型，通過微調技術顯著提升了速度和成功率。
多模態融合 Transformers
O
moojink
403
1
Spatialvla 4b 224 Pt
MIT
SpatialVLA是基於110萬真實機器人操作片段訓練的空間增強視覺語言動作模型，專注於機器人控制任務
多模態融合 Transformers 英語
S
IPEC-COMMUNITY
13.06k
5
Stable Diffusion 3.5 Large Controlnet Blur
其他
基於Stable Diffusion 3.5大模型的模糊控制網絡，用於通過模糊圖像控制生成內容
圖像生成 英語
S
stabilityai
603
11
Hico T2I
Apache-2.0
HiCo是一個分層可控的擴散模型，專為佈局到圖像生成任務設計。
圖像生成 英語
H
qihoo360
29
2
CSGO
Apache-2.0
CSGO是一個用於文本生成圖像的PyTorch實現，支持圖像驅動的風格遷移、文本驅動的風格化合成和文本編輯驅動的風格化合成。
圖像生成 英語
C
InstantX
500
34
Stable Diffusion 2 Depth Img2img
基於深度信息的圖像生成與編輯模型，支持通過文本提示和深度圖生成高質量圖像
圖像生成
S
radames
30
8
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase