Hugging Face推出最小AI視覺語言模型
Hugging Face平臺于1月23日發(fā)布博文，推出了兩款令人矚目的輕量級AI模型——SmolVLM-256M-Instruct和SmolVLM-500M-Instruct。
其中，SmolVLM-256M-Instruct僅有2.56億參數(shù)，是有史以來發(fā)布的最小視覺語言模型，可在內存低于1GB的PC上運行并提供卓越性能。SmolVLM-500M-Instruct有5億參數(shù)，主要針對硬件資源限制，幫助開發(fā)者應對大規(guī)模數(shù)據(jù)分析挑戰(zhàn)。
這兩款模型具備先進的多模態(tài)能力，可執(zhí)行圖像描述、短視頻分析以及回答關于PDF或科學圖表的問題等任務。其開發(fā)依賴于The Cauldron和Docmatix兩個專有數(shù)據(jù)集。The Cauldron包含50個高質量圖像和文本數(shù)據(jù)集，側重于多模態(tài)學習；Docmatix專為文檔理解定制，將掃描文件與詳細標題配對以增強理解。
此外，模型采用了更小的視覺編碼器SigLIP base patch-16/512，通過優(yōu)化圖像標記處理方式，減少了冗余，還將圖像編碼速率提升至每個標記4096像素，相比早期版本的每標記1820像素有了顯著改進。
Hugging Face此次推出的最小AI視覺語言模型，為AI在低資源設備上的應用開辟了新的道路。
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
人工智能
+關注
關注
1813文章
49573瀏覽量
259869 -
語言模型
+關注
關注
0文章
567瀏覽量
11233 -
AI視覺
+關注
關注
0文章
101瀏覽量
4931
發(fā)布評論請先 登錄
相關推薦
熱點推薦
什么是AI模型的推理能力
NVIDIA 的數(shù)據(jù)工廠團隊為 NVIDIA Cosmos Reason 等 AI 模型奠定了基礎，該模型近日在 Hugging Face
如何基于Android 14在i.MX95 EVK上運行Deepseek-R1-1.5B和性能
://github.com/a-ghorbani/pocketpal-ai/releases/tag/v1.6.7
PocketPal AI 是一款開源的袖珍型 AI 助手，由直接運行的小型語
發(fā)表于 04-04 06:59
?VLM（視覺語言模型）?詳細解析
視覺語言模型（Visual Language Model, VLM）是一種結合視覺（圖像/視頻）和語言（文本）處理能力的多模態(tài)人工智能
?？低?b class='flag-5'>推出視覺大模型系列攝像機
依托?？涤^瀾大模型技術體系，海康威視將大模型能力直接部署至端側，推出一系列視覺大模型攝像機。
添越智創(chuàng)基于 RK3588 開發(fā)板部署測試 DeepSeek 模型全攻略
在 AI 技術日新月異的當下，新的模型與突破不斷涌現(xiàn)。近期，DeepSeek（深度求索）模型以其卓越性能和親民成本，迅速在全球開發(fā)者圈子里引發(fā)熱議。作為一款強大的語言
發(fā)表于 02-14 17:42
DeepSeek模型為何掀起如此大的波瀾
DeepSeek-R1 是中國初創(chuàng)公司 DeepSeek 推出的人工智能模型，不久前，在人工智能開源平臺 Hugging Face 上發(fā)布數(shù)小時，便躍居下載量和活躍度最高
廣和通正式推出AI玩具大模型解決方案
廣和通近期推出了一款創(chuàng)新的AI玩具大模型解決方案，該方案深度融合了豆包等AI大模型，并內置了廣和通Cat.1模組，為智能玩具的
廣和通推出AI玩具大模型解決方案
廣和通推出AI玩具大模型解決方案，該方案深度融合豆包等AI大模型、內置廣和通Cat.1模組，助力智能玩具實現(xiàn)
新品| LLM630 Compute Kit，AI 大語言模型推理開發(fā)平臺
LLM630LLM推理，視覺識別，可開發(fā)，靈活擴展···LLM630ComputeKit是一款AI大語言模型推理開發(fā)平臺，專為邊緣計算和智能交互應用而設計。該套件的主板搭載愛芯AX63
AI大語言模型開發(fā)步驟
開發(fā)一個高效、準確的大語言模型是一個復雜且多階段的過程，涉及數(shù)據(jù)收集與預處理、模型架構設計、訓練與優(yōu)化、評估與調試等多個環(huán)節(jié)。接下來，AI部落小編為大家詳細闡述
NaVILA：加州大學與英偉達聯(lián)合發(fā)布新型視覺語言模型
日前，加州大學的研究人員攜手英偉達，共同推出了一款創(chuàng)新的視覺語言模型——NaVILA。該模型在機器人導航領域展現(xiàn)出了獨特的應用潛力，為智能機
大語言模型開發(fā)框架是什么
大語言模型開發(fā)框架是指用于訓練、推理和部署大型語言模型的軟件工具和庫。下面，AI部落小編為您介紹大語言
大語言模型開發(fā)語言是什么
在人工智能領域，大語言模型（Large Language Models, LLMs）背后，離不開高效的開發(fā)語言和工具的支持。下面，AI部落小編為您介紹大
工商網監(jiān)
評論