# 多模態視覺問答

Qwen2.5-VL-72B-Instruct的FP8量化版本，支持視覺-文本輸入和文本輸出，由Neural Magic優化發佈。

Qwen2.5-VL-3B-Instruct的量化版本，權重量化為INT4，激活量化為FP16，適用於視覺-文本任務的高效推理。

Qwen2.5-VL-72B-Instruct的FP8量化版本，支持視覺-文本輸入和文本輸出，適用於多模態任務。

基於Qwen2-VL-7B-Instruct的多模態模型量化版本，支持圖像文本到文本任務，適用於多種量化級別。

EraX-VL-7B-V2.0-Preview 是一個多模態基礎模型，支持越南語、英語和中文，適用於多種視覺語言任務。

這是一個多模態視覺問答模型，支持越南語、英語和中文，基於erax-ai/EraX-VL-2B-V1.5轉換的GGUF格式版本。

QVQ-72B-Preview是基於llamacpp的imatrix量化版本的多模態大語言模型，支持圖像和文本的多模態理解與生成。

Qwen2-VL-7B-Instruct 是一個多模態視覺語言模型，支持圖像和文本的聯合理解與生成任務。

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

PaliGemma 2是Google開發的升級版視覺語言模型，結合了Gemma 2的能力，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。

MiniCPM-Llama3-V-2_5是一個基於Llama3架構的多模態視覺問答模型，支持中英文交互。

該項目訓練了一個投影模塊，用於為Llama 3添加視覺能力，使用了SigLIP技術，並應用於Llama-3.1-8B-Instruct模型。

Yi-VL-6B是由01-AI開發的多模態視覺語言模型，支持中文和英文，適用於視覺問答等任務。

PaliGemma是由Google開發的30億參數輕量級視覺語言模型，基於SigLIP視覺模型和Gemma語言模型構建，支持圖像和文本輸入生成文本輸出。

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，支持圖像和文本輸入並生成文本輸出

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，支持多語言圖像文本理解與生成。

PaliGemma是Google開發的輕量級視覺語言模型，結合圖像理解和文本生成能力，支持多語言任務。

PaliGemma是Google開發的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，支持圖像和文本輸入，輸出文本結果。

Excalibur-7b-DPO是基於Excalibur-7b基礎模型通過直接偏好優化(DPO)微調的大語言模型，專注於提升對話質量和視覺應用場景表現。

FireLLaVA-13B是基於開源大語言模型生成指令數據訓練的視覺語言模型，支持圖像理解和文本生成任務。