# 高分辨率圖像理解

EuroVLM-9B-Preview是基於EuroLLM-9B長上下文版本的多模態視覺語言模型，支持多種語言和視覺任務，目前為預覽版本。

Janus-Pro 是一種創新的自迴歸框架，統一了多模態理解與生成功能。通過解耦視覺編碼路徑，採用單一Transformer架構處理，解決了視覺編碼器在理解與生成角色間的衝突。

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是基於Gemma 2的視覺語言模型，支持圖像+文本輸入，輸出文本響應，適用於多種視覺語言任務。

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

PaliGemma 2是Google推出的升級版視覺語言模型(VLM)，融合Gemma 2能力，支持圖像和文本輸入生成文本輸出。

PaliGemma 2是基於Gemma 2的視覺語言模型，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。

PaliGemma 2是Google推出的升級版視覺語言模型，結合Gemma 2和SigLIP視覺模型的能力，支持多語言視覺語言任務。

蜻蜓是基於Llama 3.1通過指令微調訓練的多模態視覺語言模型，支持圖像與文本的聯合理解與生成

ConvLLaVA-JP是一款支持高分辨率輸入的日語視覺語言模型，能夠就輸入圖像進行對話。

CogVLM2是基於Meta-Llama-3-8B-Instruct構建的多模態對話模型，支持中英文，具備8K上下文長度和1344*1344分辨率圖像處理能力。

360VL是基於LLama3語言模型開發的開源大型多模態模型，具備強大的圖像理解和雙語文本支持能力。

CogVLM2是基於Meta-Llama-3-8B-Instruct構建的多模態大模型，支持中英雙語，具備強大的圖像理解和對話能力。

CogVLM2是基於Meta-Llama-3-8B-Instruct構建的多模態大模型，支持圖像理解和對話任務，具有8K上下文長度和1344x1344圖像分辨率處理能力。

360VL是基於LLama3語言模型開發的多模態模型，具備強大的圖像理解和雙語對話能力。

PaliGemma是一款多功能輕量級視覺語言模型(VLM)，支持圖像和文本輸入，生成文本輸出，具備多語言能力。

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。

XGen-MM是Salesforce AI Research開發的最新多模態大模型系列，基於BLIP的成功設計，通過基礎性增強實現了更強大、更優越的模型架構。

xGen-MM是Salesforce AI Research開發的最新基礎大型多模態模型系列，基於BLIP系列改進，具有強大的圖像理解和文本生成能力。

基於Meta-Llama-3-8B-Instruct和CLIP-ViT-Large-patch14-336模型微調的多模態模型，支持圖像理解和文本生成

基於Meta-Llama-3-8B-Instruct和CLIP-ViT-Large-patch14-336微調的LLaVA模型，支持圖像文本到文本任務

猴子模型是一種高效的大型多模態模型，通過提升圖像分辨率和改進文本標籤方法，在多個視覺任務中表現優異。