# 多模态视觉语言

这是一个经过A8W8量化的多模态大语言模型，基于Qwen2.5-VL-7B-Instruct，支持视觉和语言任务。

该项目提供了llava-1.5-13b-hf模型的加权/矩阵量化版本，包含多种量化类型选择，适用于不同场景下的使用需求。

SpaceQwen2.5-VL-3B-Instruct是一个3B参数的视觉语言模型，专注于空间推理和多模态任务。

Qwen2.5-VL-72B-Instruct是通义千问团队开发的大规模视觉语言模型，支持图像和文本的多模态理解与生成。

基于Qwen2.5-VL-3B-Instruct的零样本目标检测模型，通过VLM-R1强化学习增强，支持开放词汇检测任务。

鹰隼2号是一个高性能视觉语言模型家族，专注于数据策略和训练方案的透明性，旨在推动开源社区开发具有竞争力的视觉语言模型。

Eagle2是NVIDIA推出的高性能视觉语言模型家族，专注于通过数据策略和训练方案提升开源视觉语言模型的性能。Eagle2-2B是该系列中的轻量级模型，在保持强劲性能的同时实现卓越效率和速度。

Qwen2-VL-7B 是一个视觉语言模型，提供多种量化版本的 GGUF 格式模型文件，适用于 llama.cpp 使用。

Qwen2-VL-2B 是一个视觉语言模型，提供 GGUF 格式的量化版本，适用于多种场景。

MiniVLA是一个10亿参数规模的视觉语言模型，与棱镜视觉语言模型项目代码库兼容，适用于机器人技术和多模态任务。

PaliGemma 2是Google推出的升级版视觉语言模型，结合Gemma 2和SigLIP视觉模型能力，支持多语言图像文本交互任务。

PaliGemma 2是基于Gemma 2的视觉语言模型，支持图像+文本输入，输出文本响应，适用于多种视觉语言任务。

PaliGemma 2是Google推出的视觉语言模型(VLM)，融合Gemma 2能力，支持图像和文本输入生成文本输出

PaliGemma 2是Google推出的升级版视觉语言模型(VLM)，融合Gemma 2能力，支持图像和文本输入生成文本输出。

PaliGemma 2是一款视觉语言模型（VLM），结合了Gemma 2模型的能力，能够同时处理图像和文本输入，并生成文本输出，支持多种语言。适用于图像和短视频字幕、视觉问答、文本阅读、目标检测和目标分割等多种视觉语言任务。

PaliGemma 2是一款多模态视觉语言模型，结合图像和文本输入生成文本输出，支持多语言，适用于多种视觉语言任务。

PaliGemma 2是基于Gemma 2的视觉语言模型，支持图像和文本输入，生成文本输出，适用于多种视觉语言任务。

PaliGemma 2是Google开发的视觉语言模型(VLM)，结合了Gemma 2语言模型和SigLIP视觉模型的能力，支持多语言视觉语言任务。

PaliGemma 2是基于Gemma 2的视觉语言模型，支持图像和文本输入，生成文本输出，适用于多种视觉语言任务。

PaliGemma 2是基于Gemma 2的视觉语言模型，支持图像与文本输入，输出生成文本，适用于多种视觉语言任务。

PaliGemma 2是Google推出的多功能视觉语言模型(VLM)，结合图像和文本处理能力，支持多语言和多任务处理。

PaliGemma 2是Google推出的升级版视觉语言模型，结合Gemma 2和SigLIP视觉模型的能力，支持多语言视觉语言任务。

蜻蜓是基于Llama 3.1通过指令微调训练的多模态视觉语言模型，支持图像与文本的联合理解与生成

OpenVLA v0.1 7B是一个开源视觉-语言-动作模型，基于Open X-Embodiment数据集训练，支持多种机器人控制。

PaliGemma是一款多功能轻量级视觉语言模型，结合图像和文本输入生成文本输出，支持多语言，在多种视觉语言任务中表现出色。

PaliGemma是一款多功能轻量级视觉语言模型，结合图像和文本输入生成文本输出，支持多语言。

PaliGemma是一款多功能轻量级视觉语言模型（VLM），支持多语言输入输出，适用于多种视觉语言任务。

PaliGemma是一款轻量级多功能视觉语言模型，基于SigLIP视觉模型和Gemma语言模型构建，支持多语言图像文本交互任务。

PaliGemma是一款多功能轻量级视觉语言模型(VLM)，支持图像和文本输入，生成文本输出，具备多语言能力。

PaliGemma是一款多功能轻量级视觉语言模型（VLM），支持多语言输入输出，擅长图像字幕、视觉问答等多种视觉语言任务。

PaliGemma是一款多功能且轻量级的视觉语言模型（VLM），支持图像和文本输入，生成文本输出，适用于多种视觉语言任务。

PaliGemma是一款多功能轻量级视觉语言模型，结合图像和文本输入生成文本输出，支持多语言。

PaliGemma是Google开发的轻量级视觉语言模型，基于SigLIP视觉模型和Gemma语言模型构建，支持多语言文本生成和视觉理解任务。

PaliGemma是一款多功能、轻量级的视觉语言模型(VLM)，基于SigLIP视觉模型和Gemma语言模型构建，支持图像和文本输入，输出文本结果。

PaliGemma是一款多功能轻量级视觉语言模型（VLM），结合图像和文本输入生成文本输出，支持多语言。

PaliGemma是一款多功能轻量级视觉语言模型(VLM)，基于SigLIP视觉模型和Gemma语言模型构建，能同时处理图像和文本输入并生成文本输出。

PaliGemma是一款轻量级视觉语言模型，结合图像和文本输入生成文本输出，支持多语言和多任务处理。

PaliGemma是一款多功能轻量级视觉语言模型，支持图像和文本输入，生成文本输出，适用于多种视觉语言任务。

PaliGemma是一款多功能轻量级视觉语言模型（VLM），支持图像和文本输入，生成文本输出，适用于多种视觉语言任务。

ViTamin-XL-384px 是一个基于 ViTamin 架构的大规模视觉语言模型，专为视觉语言任务设计，支持高分辨率图像处理和多模态特征提取。