Sail Clip Hendrix 10epochs
基於openai/clip-vit-large-patch14微調的視覺語言模型,經過10個epoch的訓練
文本生成圖像
Transformers

S
cringgaard
49
0
Minivla Vq Bridge Prismatic
MIT
MiniVLA 是一個更小體積但性能更強的視覺語言動作模型,兼容 Prismatic VLMs 項目代碼庫。
圖像生成文本
Transformers 英語

M
Stanford-ILIAD
22
0
Zcabnzh Bp
Bsd-3-clause
BLIP是一個統一的視覺語言預訓練框架,擅長圖像描述生成和視覺問答等任務,通過創新的數據過濾機制提升性能
圖像生成文本
Transformers

Z
nanxiz
19
0
Biomedclip ViT Patch16 224
MIT
BiomedCLIP是微軟開發的生物醫學視覺語言處理模型,基於PubMedBERT和ViT架構,專為生物醫學領域設計。
多模態融合
Transformers

B
ikim-uk-essen
1,296
3
Image Captioning With Blip
Bsd-3-clause
BLIP是一個統一的視覺語言預訓練框架,擅長圖像描述生成等任務,支持條件與非條件式文本生成
圖像生成文本
Transformers

I
Vidensogende
16
0
Vilt Finetuned 200
Apache-2.0
基於ViLT架構的視覺語言模型,在特定任務上進行了微調
文本生成圖像
Transformers

V
Atul8827
35
0
Llava V1.5 Mlp2x 336px Pretrain Vicuna 7b V1.5
LLaVA 是一個開源多模態聊天機器人,基於 LLaMA/Vicuna 進行微調,通過 GPT 生成的多模態指令跟隨數據訓練而成。
文本生成圖像
Transformers

L
liuhaotian
173
17
OTTER MPT7B Init
MIT
OTTER-MPT7B-Init是一個用於初始化Otter模型訓練的權重,由Openflamingo直接轉換而來。
文本生成圖像
Transformers

O
luodian
53
3
Blip Test
Bsd-3-clause
基於Salesforce/blip-image-captioning-base微調的圖像描述生成模型
圖像生成文本
Transformers

B
mooncakex
15
0
Pix2struct Large
Apache-2.0
Pix2Struct是一個圖像編碼器-文本解碼器模型,通過圖像-文本對訓練,適用於多種視覺語言任務
圖像生成文本
Transformers 支持多種語言

P
google
6,601
34
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