Экспериментальная vision-language модель для ответов на вопросы об изображениях выбором из заданных вариантов, с однократным кодированием изображения для нескольких вопросов.

Подходит для: Проверка наличия объектов на фотографии · Ответы «да» или «нет» на вопросы об изображении · Определение по изображению, можно ли подтвердить заданное утверждение