一個(gè)基于深度學(xué)習(xí)的圖像和視頻描述模型。

Aya Vision 32B 是一個(gè)支持多語(yǔ)言的視覺(jué)語(yǔ)言模型，適用于OCR、圖像描述、視覺(jué)推理等多種用途。

SmolVLM-500M 是一個(gè)輕量級(jí)多模態(tài)模型，能夠處理圖像和文本輸入并生成文本輸出。

8億參數(shù)的多語(yǔ)言視覺(jué)語(yǔ)言模型，支持OCR、圖像描述、視覺(jué)推理等功能

小型高效的視覺(jué)語(yǔ)言模型，讓資源有限的研究者和開(kāi)發(fā)者也能輕松使用先進(jìn)的視覺(jué)語(yǔ)言功能。

PaliGemma 2是一個(gè)強(qiáng)大的視覺(jué)-語(yǔ)言模型，支持多種視覺(jué)語(yǔ)言任務(wù)。

PaliGemma 2是一款強(qiáng)大的視覺(jué)-語(yǔ)言模型，支持多種語(yǔ)言的圖像和文本處理任務(wù)。

自動(dòng)化為網(wǎng)站圖片生成描述性文本

多模態(tài)大型語(yǔ)言模型，提升視覺(jué)和語(yǔ)言的綜合理解能力

多模態(tài)大型語(yǔ)言模型，提升視覺(jué)與語(yǔ)言的交互能力。