这个开源的多模态模型无敌。。InternVL

软件素材3周前发布 admin
40 0

InternVL 由 OpenGVLab 开发,是一个开源的多模态对话模型,其性能接近商业化的 GPT-4V 模型。

GPT-4V 是 OpenAI 去年推出的多模态模型,使用它你可以分析所需的任何类型的图像并获取有关该图像的信息。

这个开源的多模态模型无敌。。InternVL

1. InternVL 开源模型

而今天的主角研究成果 InternVL 发布在 CVPR 2024 上,并提供了多种模型版本以适应不同的应用场景,如 InternVL−Chat−V1.5 支持 4K 图像和强大的光学字符识别(OCR)功能。
开源地址:https://github.com/OpenGVLab/InternVL

2. 支持特性
InternVL 家族通过提供多种模型版本,支持从图像分类到多模态对话的多种功能。以下是一些关键特性:
多语言支持:InternVL 能够支持超过 110 种语言的生成。
高性能:在多个基准测试中,InternVL-Chat-V1.5 接近 GPT-4V 和 Gemini Pro 的性能。
多种模型选择:提供了不同参数规模的模型,从 6B 到 19B 不等,以适应不同的计算资源和应用需求。
跨模态检索:支持英文和中文的零样本图像-文本检索,以及多语言零样本图像-文本检索。

以下是 InternVL 在不同任务上的性能对比图:

这个开源的多模态模型无敌。。InternVL

3. 效果怎么样?
我把上图给到开源模型,让他自己介绍一下图片中的内容:

这个开源的多模态模型无敌。。InternVL

这个开源的多模态模型无敌。。InternVL

这个开源的多模态模型无敌。。InternVL

这个开源的多模态模型无敌。。InternVL

© 版权声明

相关文章