ENEL
模型简介
ENEL模型旨在研究无编码器架构在3D多模态任务中的应用,可能涉及3D数据处理和多模态融合。
模型特点
无编码器架构
探索无编码器架构在3D多模态任务中的潜力,可能简化模型结构并提高效率。
多模态处理
支持3D数据与文本的多模态融合处理。
模型能力
3D数据处理
多模态融合
图像文本转换
使用案例
3D视觉
3D场景理解
通过多模态输入理解3D场景并生成文本描述。
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98