多模态AI工具汇总：实用资源一览
idefics2-8b-chatty-AWQ
HuggingFaceM4/idefics2-8b-chattyGithub
4-bit量化的多模态模型及其应用场景
kosmos-2.5
模型训练文档转换
文本密集型图像处理的多模态模型
OmniGen-v1
Github开源项目
多模态图像生成模型特点与能力
llava-v1.6-vicuna-7b
Github模型
基于Vicuna的开源多模态视觉语言模型
llava-onevision-qwen2-7b-si
Huggingface机器学习
多模态AI模型实现图像和视频的深度理解
llava-next-interleave-qwen-7b-dpo
Huggingface机器学习
多模态数据研究的开源聊天机器人
Anole-7b-v0.1-hf
图文生成深度学习
基于深度学习的多模态文本图像交互生成模型
llava-onevision-qwen2-72b-si
LLaVA-OneVision图像交互
多模态模型提高视觉数据交互准确率
nomic-embed-vision-v1.5
模型训练开源项目
高性能视觉嵌入模型实现多模态共享空间
llava-v1.6-vicuna-13b
视觉问答开源项目
强大的图文多模态AI模型 集成Vicuna-13b实现视觉智能对话
nanoLLaVA
Github开源项目
轻量级视觉语言模型实现边缘设备高效部署
MiniCPM-V-2_6-gguf
GithubMiniCPM-V
高性能GGUF格式多模态模型转换与部署指南
Qwen-VL-Chat
视觉语言模型Github
多语言视觉对话模型 支持图文交互和物体定位
Chat-UniVi
图像处理开源项目
基于动态视觉令牌的图像视频双模态理解模型
InternVL2-26B
InternVL2大语言模型
全新多模态智能体实现长文本多图像及视频的智能理解
internlm-xcomposer2d5-7b
长文本处理开源项目
7B参数规模实现视觉语言理解和创作的开源多模态模型
pixtral-12b
图像识别机器学习
支持多图片交互分析的开源视觉语言模型
llava-onevision-qwen2-72b-ov-chat
模型人工智能
多模态大语言模型支持图像、多图和视频交互
llava-onevision-qwen2-7b-ov-hf
多模态Huggingface
支持单图多图和视频理解的多模态语言模型
Qwen2-VL-7B-Instruct-GPTQ-Int4
模型图像理解
量化模型支持多分辨率视觉理解
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号