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，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，主要針對硬件資源限制，幫助開發(fā)者應對大規(guī)模數據分析挑戰(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兩個專有數據集。The Cauldron包含50個高質量圖像和文本數據集，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
1803文章
48362瀏覽量
244178 -
語言模型
+關注
關注
0文章
556瀏覽量
10558 -
AI視覺
+關注
關注
0文章
73瀏覽量
4663
發(fā)布評論請先 登錄
相關推薦
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
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)布數小時，便躍居下載量和活躍度最高
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，涉及數據收集與預處理、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
谷歌全新推出開放式視覺語言模型PaliGemma
這種熱烈的反響非常鼓舞人心，開發(fā)者們打造了一系列多樣的項目，例如用于印度語言的多語言變體 Navarasa，以及設備端側動作模型 Octopus v2。開發(fā)者們展示了 Gemma 在打造極具影響力且易于使用的
谷歌推出效率與性能躍階的全新開放模型標準
AI 有可能解決人類面臨的一些最緊迫的問題，但前提是每個人都擁有構建 AI 的工具。這就是我們在今年早些時候推出 Gemma 的原因，Gemma 是一系列輕量級開放模型系列，采用了與創(chuàng)
借助Arm Neoverse加速Hugging Face模型
人工智能 (AI) 有望觸及并改變我們生活的方方面面。如今，包括醫(yī)療保健、金融、制造、教育、媒體和運輸等在內的各行各業(yè)都在利用 AI 進行創(chuàng)新。它們通過運行復雜的 AI 工作負載來提高生產力，改善消費者決策，提升教育體驗等，而這
Hugging Face科技公司推出SmolLM系列語言模型
7月22日最新資訊，Hugging Face科技公司在語言模型領域再創(chuàng)新高，正式推出了SmolLM系列——一款專為適應多樣計算資源而設計的緊
亞馬遜云攜手AI新創(chuàng)企業(yè)Hugging Face，提升AI模型在定制芯片計算性能
Hugging Face作為一家估值為45億美元的公司現(xiàn)已成為了眾多AI研究員和開發(fā)者分享Chatbot和相關軟件的核心平臺，受到亞馬遜、谷歌、英偉達等巨頭的青睞。
Hugging Face提供1000萬美元免費共享GPU
全球最大的開源AI社區(qū)Hugging Face近日宣布，將提供價值1000萬美元的免費共享GPU資源，以支持開發(fā)者創(chuàng)造新的AI技術。這一舉措旨在幫助小型開發(fā)者、研究人員和初創(chuàng)公司，對抗
Hugging Face推出開源機器人代碼庫LeRobot
AI領域的佼佼者Hugging Face近日宣布重磅推出并全面開源其機器人工具包——LeRobot。這一創(chuàng)新工具包基于史上最大規(guī)模的眾包機器人數據集，為開發(fā)者提供了一個前所未有的平臺。
Snowflake推出面向企業(yè)AI的大語言模型
Snowflake公司近日推出了企業(yè)級AI模型——Snowflake Arctic，這是一款大型語言模型（LLM），專為滿足企業(yè)復雜工作負載
【大語言模型：原理與工程實踐】大語言模型的基礎技術
下游任務提供豐富的文本表示,如谷歌公司推出的BERT。（2) Decoder-Only 預訓練語言模型：這類模型一般使用單向的 Decoder 結構，通常擅長生成任務，如OpenAI
發(fā)表于 05-05 12:17
工商網監(jiān)
評論