# 多模態問答

該模型是基於llava-hf/llava-1.5-7b-hf轉換的GGUF格式模型，支持圖像文本生成任務。

docscopeOCR-7B-050425-exp 是基於 Qwen/Qwen2.5-VL-7B-Instruct 微調的模型，專注於文檔級 OCR、長上下文視覺語言理解和數學 LaTeX 格式的精確圖像到文本轉換。

VideoChat-R1_7B_caption 是一個基於 Qwen2-VL-7B-Instruct 的多模態視頻文本生成模型，專注於視頻內容理解和描述生成。

ViCA-7B是一款專為室內視頻環境中的視覺空間推理而微調的視覺語言模型，基於LLaVA-Video-7B-Qwen2架構構建，使用ViCA-322K數據集進行訓練，強調結構化空間標註和基於指令的複雜推理任務。

VL-Rethinker-7B 4位MLX量化版是基於TIGER-Lab/VL-Rethinker-7B模型的量化版本，專為蘋果設備優化，支持視覺問答任務。

基於ViLT架構的視覺語言模型，專為GQA視覺推理任務微調

這是一個基於Qwen2.5-VL-7B-Instruct的多模態模型，支持視覺問答任務，已轉換為MLX格式以便在Apple芯片上高效運行。

VL-Rethinker-7B-8bit 是一個基於 Qwen2.5-VL-7B-Instruct 的多模態模型，支持視覺問答任務。

該模型是基於Qwen2.5-VL-7B-Instruct轉換而來的多模態視覺語言模型，支持視覺問答任務。

該模型是基於Qwen2.5-VL-7B-Instruct轉換而來的多模態視覺語言模型，支持8位量化，適用於視覺問答任務。

VL-Rethinker-72B-4bit是一個基於Qwen2.5-VL-7B-Instruct的多模態模型，支持視覺問答任務，已轉換為MLX格式以便在蘋果設備上高效運行。

該模型是mlabonne/gemma-3-4b-it-abliterated的GGUF格式轉換版本，結合了x-ray_alpha的視覺組件，提供更流暢的多模態體驗。

LLaVAction是一個面向動作識別的多模態大語言模型評估與訓練框架，基於Qwen2語言模型架構，支持第一人稱視角視頻理解。

TinyLLaVA-Video是基於Qwen2.5-3B和siglip-so400m-patch14-384構建的視頻理解模型，採用分組重採樣器處理視頻幀

基於InternVideo2-1B和Qwen2.5-7B構建的多模態視頻文本模型，每幀僅使用16個標記，支持長達10,000幀的輸入序列。

Asagi-8B是一個大規模的日語視覺與語言模型（VLM），基於廣泛的日語數據集訓練，整合了多樣化的數據來源。

DeepSeer是基於DeepSeek-R1模型開發的視覺語言模型，支持思維鏈推理能力，通過對話模板訓練視覺模型。

這是對EraX-VL-7B-V2.0-Preview模型進行加權/重要性矩陣量化的結果，提供多種量化版本以適應不同需求

基於UMT-L和Qwen2-7B構建的多模態模型，支持長視頻理解，每幀僅使用16個標記，上下文窗口擴展至128k。

VideoChat-Flash-2B是基於UMT-L（300M）和Qwen2.5-1.5B構建的多模態模型，支持視頻文本轉文本任務，僅使用每幀16個標記，並擴展上下文窗口至128k。

EraX-VL-7B-V2.0-Preview是一款強大的多模態模型，專為OCR和視覺問答設計，擅長處理越南語等多種語言，在醫療表格、發票等文檔識別上表現突出。

基於微軟Phi-1.5架構的視覺語言模型，結合CLIP實現圖像處理能力

VideoRefer-7B是一個多模態大語言模型，專注於視頻問答任務，能夠理解和分析視頻中的時空物體關係。

LLaVA-SpaceSGG是基於LLaVA-v1.5-13b的視覺問答模型，專注於場景圖生成任務，能夠理解圖像內容並生成結構化場景描述。

LongVU是基於Qwen2-7B的多模態模型，專注於長視頻語言理解任務，採用時空自適應壓縮技術。

基於InternVL-Chat-V1-5微調的多模態模型，在MMBench基準測試中表現優異

Idefics3是一個開源的多模態模型，能夠處理任意序列的圖像和文本輸入並生成文本輸出。它在OCR、文檔理解和視覺推理方面有顯著提升。

Table LLaVA 7B 是一款開源多模態聊天機器人，專為理解各類表格圖像並完成多樣化表格相關任務而設計。

Idefics2 是一個開放的多模態模型，能夠接受任意序列的圖像和文本輸入並生成文本輸出。該模型可以回答關於圖像的問題、描述視覺內容、基於多張圖像創作故事，或僅作為純語言模型使用。

Idefics2 是一個開源的多模態模型，能夠接受任意序列的圖像和文本輸入並生成文本輸出。它在 OCR、文檔理解和視覺推理方面有顯著提升。

Idefics2 是 Hugging Face 開發的開源多模態模型，能夠處理圖像和文本輸入並生成文本輸出，在 OCR、文檔理解和視覺推理方面表現優異。

一款能夠就輸入圖像進行對話的視覺語言模型，支持日語交互

Llava-Phi2是基於Phi2的多模態實現，結合了視覺和語言處理能力，適用於圖像文本到文本的任務。

猴模型是一種大型多模態模型，通過提升圖像分辨率和改進文本標籤方法，在多項視覺任務中表現優異。

ChatTruth-7B是基於Qwen-VL架構優化的多語言視覺-語言模型，增強了大分辨率圖像處理能力並引入還原模塊降低計算開銷

Heron GIT Japanese StableLM Base 7B 是一個能夠就輸入圖像進行對話的視覺語言模型。

IDEFICS是一個開源的多模態模型，能夠處理圖像和文本輸入並生成文本輸出，是Deepmind Flamingo模型的開源復現版本。

InstructBLIP是BLIP-2的視覺指令調優版本，基於Vicuna-13b語言模型，用於視覺語言任務。

InstructBLIP是BLIP-2經過視覺指令調優的版本，能夠根據圖像和文本指令生成描述或回答

VideoBLIP是BLIP-2的增強版本，能夠處理視頻數據，採用Flan T5-xl作為語言模型主幹。