VideoLLaMA3-2B-Image-HF — мультимодальная модель для ответов на вопросы и диалога по изображениям с генерацией текста.

Подходит для: ответы на вопросы о содержимом изображения · создание краткого описания фотографии · определение объектов, действий и деталей сцены