阿里云开源通义千问多模态大模型Qwen-VL


(资料图片仅供参考)

阿里云今日推出大规模视觉语言模型Qwen-VL,并对其直接开源。Qwen-VL以通义千问70亿参数模型Qwen-7B为基座语言模型研发,支持图文输入。相较于此前的VL模型,Qwen-VL除了具备基本的图文识别、描述、问答及对话能力之外,还新增了视觉定位、图像中文字理解等能力,可用于知识问答、图像标题生成、图像问答、文档问答、细粒度视觉定位等场景。

(文章来源:财联社)

标签:

x 广告
x 广告

Copyright ©  2015-2022 南非城市网版权所有  备案号:沪ICP备2022005074号-13   联系邮箱:58 55 97 3@qq.com