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(nèi)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(yīng)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(guān)于PDF或科學圖表的問題等任務(wù)。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(zhì)量圖像和文本數(shù)據(jù)集，側(cè)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(shè)備上的應(yīng)用開辟了新的道路。
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用，如有內(nèi)容侵權(quán)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(guān)注
關(guān)注
1805文章
48833瀏覽量
247321 -
語言模型
+關(guān)注
關(guān)注
0文章
561瀏覽量
10704 -
AI視覺
+關(guān)注
關(guān)注
0文章
84瀏覽量
4723
發(fā)布評論請先 登錄
相關(guān)推薦
熱點推薦
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(jié)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
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(shù)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(nèi)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(yīng)用而設(shè)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(gòu)設(shè)計、訓練與優(yōu)化、評估與調(diào)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(lǐng)域展現(xiàn)出了獨特的應(yīng)用潛力，為智能機
大語言模型開發(fā)語言是什么
在人工智能領(lǐng)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
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(shè)備端側(cè)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(gòu)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?shù)仍趦?nèi)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(chǎn)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(lǐng)域再創(chuàng)新高，正式推出了SmolLM系列——一款專為適應(yīng)多樣計算資源而設(shè)計的緊
工商網(wǎng)監(jiān)
評論