Компактная VLM на 222 млн параметров для ответов на текстовые запросы о содержимом изображений и экспериментов с мультимодальным обучением.

Подходит для: ответы на вопросы о содержимом изображения · описание объектов и сцен на изображении · эксперименты с обучением компактных VLM

Компактная vision-language модель на 222 млн параметров для ответов на текстовые запросы об изображениях и экспериментов с обучением VLM.

Подходит для: ответы на вопросы о содержимом изображения · создание кратких описаний изображений · эксперименты с обучением компактных VLM