阿里云推出大规模视觉语言模型Qwen-VL 已在ModeScope开源
阿里云今日推出了大规模视觉语言模型Qwen-VL,目前已经在ModeScop阿里e开源,IT之家早前曾报道,阿里云此前已经开源通义千问70 亿参数通用模型Qwe云推n-7B和对话模型Qwen-7B-Chat。
据悉,Qwen-VL是一款支持中英出大文等多种语言的视觉语言(Vision Language,VL)模型,相较于此前的VL规模模型,其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、图像中视觉文字理解等能力。
Qwen-VL以Qwen-7B为基座语言模型,在模型架构上引入视语言觉编码器,使得模型支持视觉信号输入,该模型支持的图像输入分辨率为 448,此前模型开源的LVLM模型通常仅支持224分辨率。
官方表示,该模型可用于知识问答、图像标题Qw生成、图像问答、文档问答、细粒度视觉定位等场景,在主流的多模态任务评测和多模态聊天能en力评测中,取得了远超同等规模通用模型的表现。
此外,在Qwen-VL的基础上,通义千问-V团队使用对齐机制,打造了基于LLM的视觉AI助手Qwen-VL-Chat,可让开发者L 快速搭建具备多模态能力的对话应用。
通义千问团队同时表示,为了测试模型的多模态对话已在能力,他们构建了一套基于GPT-4打分机制的测试集 “试金石”,对Qwen-VLMo-Chat及其他模型进行对比测试,Qwen-VL-Chat在中英文的对齐评测中均取得了de开源LVLM最好结果。
相关文章:
栏目分类
最新文章
- 云计算开发:Python练习实例-暂停一秒输出
- 标签: 天瞳威视 港交所 L4级 智能驾驶
- 标签: OPPOFindN6 AppleWatch 微信折叠发图 OPPOWatchX3
- 腾讯云回应“重大安全事故”:实为主动部署的“蜜罐”
- 云安全日报220426:IBM企业级商业智能报表软件发现执行任意代码漏洞,需要尽快升级
- 云安全日报210204:IBM MQ消息中间件产品发现执行任意代码漏洞,需要尽快升级
- 标签: 米哈游 自由人米八 Joker 皮套论
- 标签: 理想汽车 东风日产 李想 黑公关
- IBM将收购云计算顾问公司Taos Mountain
- 将点云与RGB图像结合,谷歌&Waymo提出的4D-Net,检测远距离目标
热门文章
