Компактная визуально-языковая модель на 222 млн параметров для генерации текстовых ответов на запросы по изображениям и экспериментов с обучением VLM.

Подходит для: ответы на вопросы по изображению · создание текстового описания изображения · эксперименты с обучением визуально-языковых моделей