Компактная модель LLaVA на базе TinyLlama отвечает текстом на вопросы о содержимом изображений.

Подходит для: ответы на вопросы о том, что изображено на картинке · описание содержимого фотографии по запросу · извлечение видимых деталей изображения в ответ на вопрос