Модель может понимать визуальные подсказки в виде тегов на изображении (например, какой объект помечен идентификатором 9?), а также повышает производительность в тестах MLLM (POPE, MME, SEED, MM-Vet, LLav-wild), даже если входные тестовые изображения не имеют тегов. Эту модель следует использовать в официальном репозитории LLaVA для обучения и оценки. Если вы хотите загрузить модель в стиле HF, проверьте веса конвертированной модели: [SoM-LLaVA-v1.5-13B-HF]. Если вы найдете наши данные или модель полезными для ваших исследований и приложений, процитируйте нашу статью:
Модальности:
Генерация текста
Задача: Генерация текста
Автор: zzxslp
Теги: llava_llama, endpoints_compatible
Лайков: 5 | Загрузок: 8
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
