阿里巴巴开源能理解图像的 AI 模型 Qwen-VL
阿里巴巴开源能理解图像的AI模型Qwen-VL阿里巴巴周五开源了能理解图像和完成更复杂对话的AI模型和Qwen-VL-Chat。阿里巴巴称,Qwen-VL基于Qwen-7B,可以以图像、文本、检测框作为输入,并以文本和检测框作为输出,它使用了约1.5B的图文数据训练。在四大类多模态任务的标准英文测评中上,Qwen-VL均取得同等通用模型大小下最好效果;支持英文、中文等多语言对话,端到端支持图片里中英双语的长文本识别;支持多图输入和比较,指定图片问答,多图文学创作等;相比于目前其它开源LVLM使用的224分辨率,Qwen-VL是首个开源的448分辨率的LVLM模型。更高分辨率可以提升细粒度的文字识别、文档问答和检测框标注。Qwen-VL和Qwen-VL-Chat使用名为TongyiQianwenLICENSEAGREEMENT的许可证,有限制条件,如果商业使用,则需要从阿里巴巴获得授权。来源,https://github.com/QwenLM/Qwen-VL频道:@kejiqu群组:@kejiquchat投稿:@kejiqubot
在Telegram中查看相关推荐
![](https://soso.news/wp-content/uploads/2023/09/coin-300x85.png)
🔍 发送关键词来寻找群组、频道或视频。
启动SOSO机器人