# 多模態視覺語言

這是一個經過A8W8量化的多模態大語言模型，基於Qwen2.5-VL-7B-Instruct，支持視覺和語言任務。

該項目提供了llava-1.5-13b-hf模型的加權/矩陣量化版本，包含多種量化類型選擇，適用於不同場景下的使用需求。

SpaceQwen2.5-VL-3B-Instruct是一個3B參數的視覺語言模型，專注於空間推理和多模態任務。

Qwen2.5-VL-72B-Instruct是通義千問團隊開發的大規模視覺語言模型，支持圖像和文本的多模態理解與生成。

基於Qwen2.5-VL-3B-Instruct的零樣本目標檢測模型，通過VLM-R1強化學習增強，支持開放詞彙檢測任務。

鷹隼2號是一個高性能視覺語言模型家族，專注於數據策略和訓練方案的透明性，旨在推動開源社區開發具有競爭力的視覺語言模型。

Eagle2是NVIDIA推出的高性能視覺語言模型家族，專注於通過數據策略和訓練方案提升開源視覺語言模型的性能。Eagle2-2B是該系列中的輕量級模型，在保持強勁性能的同時實現卓越效率和速度。

Qwen2-VL-7B 是一個視覺語言模型，提供多種量化版本的 GGUF 格式模型文件，適用於 llama.cpp 使用。

Qwen2-VL-2B 是一個視覺語言模型，提供 GGUF 格式的量化版本，適用於多種場景。

MiniVLA是一個10億參數規模的視覺語言模型，與稜鏡視覺語言模型項目代碼庫兼容，適用於機器人技術和多模態任務。

PaliGemma 2是Google推出的升級版視覺語言模型，結合Gemma 2和SigLIP視覺模型能力，支持多語言圖像文本交互任務。

PaliGemma 2是基於Gemma 2的視覺語言模型，支持圖像+文本輸入，輸出文本響應，適用於多種視覺語言任務。

PaliGemma 2是Google推出的視覺語言模型(VLM)，融合Gemma 2能力，支持圖像和文本輸入生成文本輸出

PaliGemma 2是Google推出的升級版視覺語言模型(VLM)，融合Gemma 2能力，支持圖像和文本輸入生成文本輸出。

PaliGemma 2是一款視覺語言模型（VLM），結合了Gemma 2模型的能力，能夠同時處理圖像和文本輸入，並生成文本輸出，支持多種語言。適用於圖像和短視頻字幕、視覺問答、文本閱讀、目標檢測和目標分割等多種視覺語言任務。

PaliGemma 2是一款多模態視覺語言模型，結合圖像和文本輸入生成文本輸出，支持多語言，適用於多種視覺語言任務。

PaliGemma 2是基於Gemma 2的視覺語言模型，支持圖像和文本輸入，生成文本輸出，適用於多種視覺語言任務。

PaliGemma 2是Google開發的視覺語言模型(VLM)，結合了Gemma 2語言模型和SigLIP視覺模型的能力，支持多語言視覺語言任務。

PaliGemma 2是基於Gemma 2的視覺語言模型，支持圖像和文本輸入，生成文本輸出，適用於多種視覺語言任務。

PaliGemma 2是基於Gemma 2的視覺語言模型，支持圖像與文本輸入，輸出生成文本，適用於多種視覺語言任務。

PaliGemma 2是Google推出的多功能視覺語言模型(VLM)，結合圖像和文本處理能力，支持多語言和多任務處理。

PaliGemma 2是Google推出的升級版視覺語言模型，結合Gemma 2和SigLIP視覺模型的能力，支持多語言視覺語言任務。

蜻蜓是基於Llama 3.1通過指令微調訓練的多模態視覺語言模型，支持圖像與文本的聯合理解與生成

OpenVLA v0.1 7B是一個開源視覺-語言-動作模型，基於Open X-Embodiment數據集訓練，支持多種機器人控制。

PaliGemma是一款多功能輕量級視覺語言模型，結合圖像和文本輸入生成文本輸出，支持多語言，在多種視覺語言任務中表現出色。

PaliGemma是一款多功能輕量級視覺語言模型，結合圖像和文本輸入生成文本輸出，支持多語言。

PaliGemma是一款多功能輕量級視覺語言模型（VLM），支持多語言輸入輸出，適用於多種視覺語言任務。

PaliGemma是一款輕量級多功能視覺語言模型，基於SigLIP視覺模型和Gemma語言模型構建，支持多語言圖像文本交互任務。

PaliGemma是一款多功能輕量級視覺語言模型(VLM)，支持圖像和文本輸入，生成文本輸出，具備多語言能力。

PaliGemma是一款多功能輕量級視覺語言模型（VLM），支持多語言輸入輸出，擅長圖像字幕、視覺問答等多種視覺語言任務。

PaliGemma是一款多功能且輕量級的視覺語言模型（VLM），支持圖像和文本輸入，生成文本輸出，適用於多種視覺語言任務。

PaliGemma是一款多功能輕量級視覺語言模型，結合圖像和文本輸入生成文本輸出，支持多語言。

PaliGemma是Google開發的輕量級視覺語言模型，基於SigLIP視覺模型和Gemma語言模型構建，支持多語言文本生成和視覺理解任務。

PaliGemma是一款多功能、輕量級的視覺語言模型(VLM)，基於SigLIP視覺模型和Gemma語言模型構建，支持圖像和文本輸入，輸出文本結果。

PaliGemma是一款多功能輕量級視覺語言模型（VLM），結合圖像和文本輸入生成文本輸出，支持多語言。

PaliGemma是一款多功能輕量級視覺語言模型(VLM)，基於SigLIP視覺模型和Gemma語言模型構建，能同時處理圖像和文本輸入並生成文本輸出。

PaliGemma是一款輕量級視覺語言模型，結合圖像和文本輸入生成文本輸出，支持多語言和多任務處理。

PaliGemma是一款多功能輕量級視覺語言模型，支持圖像和文本輸入，生成文本輸出，適用於多種視覺語言任務。

PaliGemma是一款多功能輕量級視覺語言模型（VLM），支持圖像和文本輸入，生成文本輸出，適用於多種視覺語言任務。

ViTamin-XL-384px 是一個基於 ViTamin 架構的大規模視覺語言模型，專為視覺語言任務設計，支持高分辨率圖像處理和多模態特徵提取。