LLaVA-OneVision – 字节跳动推出的开源多模态AI模型

3个月前发布 70 00
收藏 0

LLaVA-OneVision是字节跳动推出开源的多模态AI模型，LLaVA-OneVision通过整合数据、模型和视觉表示的见解，能同时处理单图像、多图像和视频场景下的计算机视觉任务。LLaVA-OneVision支持跨模态/场景的迁移学习，特别在图像到视频的任务转移中表现出色，具有强大的视频理解和跨场景能力。官网：https://ll...

收录时间：
2025-12-16
打开网站手机查看
LLaVA-OneVision – 字节跳动推出的开源多模态AI模型LLaVA-OneVision – 字节跳动推出的开源多模态AI模型
LLaVA-OneVision – 字节跳动推出的开源多模态AI模型打开网站

LLaVA-OneVision是字节跳动推出开源的多模态AI模型，LLaVA-OneVision通过整合数据、模型和视觉表示的见解，能同时处理单图像、多图像和视频场景下的计算机视觉任务。LLaVA-OneVision支持跨模态/场景的迁移学习，特别在图像到视频的任务转移中表现出色，具有强大的视频理解和跨场景能力。

官网：https://llava-vl.github.io/blog/2024-08-05-llava-onevision/


立即打开官网

数据统计

相关导航

标签云