Мультимодальная модель на базе Qwen2.5-VL-3B-Instruct для диалогового анализа изображений в задачах, связанных с SocioSeg.

Подходит для: ответы на вопросы по изображениям · диалоговый анализ визуальных сцен · анализ изображений в задачах SocioSeg