AIbase
TW
模型選型
標籤
高精度描述

# 高精度描述

Longva 7B TPO
MIT
LongVA-7B-TPO是基於LongVA-7B通過時序偏好優化而來的視頻-文本模型，在長視頻理解任務中表現優異。
視頻生成文本 Transformers
L
ruili0
225
1
Cogvlm2 Llama3 Caption
其他
CogVLM2-Caption是一個視頻描述生成模型，用於為CogVideoX模型生成訓練數據。
視頻生成文本 Transformers 英語
C
THUDM
7,493
95
Florence 2 Flux Large
Apache-2.0
基於Microsoft Florence-2-large的視覺語言模型，擅長圖像理解和文本生成任務
圖像生成文本 Transformers 支持多種語言
F
gokaygokay
14.96k
45
Cogflorence 2.2 Large
MIT
該模型是microsoft/Florence-2-large的微調版本，在Ejafa/ye-pop數據集的4萬張圖像子集上進行訓練，標註文本由THUDM/cogvlm2-llama3-chat-19B生成，適用於圖像轉文本任務。
圖像生成文本 Transformers 支持多種語言
C
thwri
20.64k
33
Blip Large Long Cap
Bsd-3-clause
基於BLIP微調的長文本圖像描述生成器，適用於文生圖提示和圖像數據集標註
圖像生成文本 Transformers
B
unography
26.87k
5
Git Base Next Refined
MIT
基於microsoft/git-base微調的圖像轉文本模型
大型語言模型 Transformers 其他
G
swaroopajit
24
0
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