Openvision Vit So400m Patch14 384
Apache-2.0
OpenVision是一個完全開放、經濟高效的高級視覺編碼器家族,用於多模態學習。
多模態融合
O
UCSC-VLAA
238
0
Openvision Vit Base Patch8 384
Apache-2.0
OpenVision是一個完全開源且經濟高效的先進視覺編碼器家族,專為多模態學習設計。
多模態融合
Transformers

O
UCSC-VLAA
47
0
Openvision Vit Base Patch16 160
Apache-2.0
OpenVision是一個完全開源、經濟高效的高級視覺編碼器家族,用於多模態學習。
多模態融合
O
UCSC-VLAA
15
0
Openvision Vit Small Patch8 384
Apache-2.0
OpenVision是一個全開放、高性價比的先進視覺編碼器家族,專注於多模態學習。
多模態融合
O
UCSC-VLAA
21
0
Openvision Vit Small Patch16 224
Apache-2.0
OpenVision是一個全開放、高性價比的先進視覺編碼器家族,專注於多模態學習。
圖像增強
O
UCSC-VLAA
17
0
Med Dis B
一個基於PyTorch的動作識別模型,適用於機器人技術領域
視頻處理
M
therarelab
14
0
Wedgit Stack Single Fixed
一個基於擴散策略的機器人控制模型,通過PyTorchModelHubMixin集成發佈
多模態融合
W
jclinton1
76
0
Instruct CLIP
Apache-2.0
InstructCLIP是一種通過對比學習自動優化數據的模型,旨在提升指令引導的圖像編輯效果。
文本生成圖像 英語
I
SherryXTChen
74
2
Genmedclip B 16 PMB
MIT
基於open_clip庫的零樣本圖像分類模型,專注於醫療領域的圖像分析
圖像分類
G
wisdomik
408
0
Genmedclip
MIT
GenMedClip 是一個基於 open_clip 庫的零樣本圖像分類模型,專注於醫學圖像分析。
圖像分類
G
wisdomik
40
0
Moe LLaVA Qwen 1.8B 4e
Apache-2.0
MoE-LLaVA是一種基於專家混合架構的大型視覺語言模型,通過稀疏激活參數實現高效的多模態學習
文本生成圖像
Transformers

M
LanguageBind
176
14
Echo Clip R
MIT
一個基於開放剪輯庫的零樣本圖像分類模型,支持多種視覺任務
圖像分類
E
mkaichristensen
547
4
Git 20
MIT
基於微軟GIT框架的多模態模型,專注於從學生作業圖像中提取文本並生成教師反饋
圖像生成文本
Transformers 支持多種語言

G
uf-aice-lab
18
1
Git Base Textvqa
MIT
基於microsoft/git-base-textvqa在textvqa數據集上微調的視覺問答模型,擅長處理包含文本的圖像問答任務
大型語言模型
Transformers 其他

G
Hellraiser24
19
0
Dof Passport 1
MIT
基於naver-clova-ix/donut-base微調的模型,具體用途未明確說明
圖像生成文本
Transformers

D
Sebabrata
16
0
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