— Mantis-Fuyu — это LMM на базе Fuyu с чередующимся текстом и изображением в качестве входных данных, обучение на Mantis-Instruct в рамках ресурсов академического уровня (т. е. 36 часов на 16xA100-40G). — Богомол обучен навыкам работы с несколькими изображениями, включая сопоставление, рассуждение, сравнение, временное понимание. — Mantis достигает высочайшего уровня производительности в пяти тестах с несколькими изображениями (NLVR2, Q-Bench, BLINK, MVBench, Mantis-Eval), а также поддерживает высокую производительность с одним изображением на уровне CogVLM и Emu2.
Модальности:
Генерация текста Мультимодальность
Задача: Генерация текста
Автор: TIGER-Lab
Теги: fuyu, multimodal, mfuyu, mantis, lmm, vlm, en, endpoints_compatible
Лайков: 4 | Загрузок: 14
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
