LLaVA
攤 No.368MODEL · 基建视觉指令微调,开源多模态对话大模型
SKILL SCORE
80/ 100—(7日)
30D · STARS
安装
INSTALL$https://github.com/haotian-liu/LLaVA官方安装 / 下载入口
AI 速读
TL;DR这是什么
- 视觉指令微调,开源多模态对话大模型
- 把视觉编码器接入 LLM,能看图对话推理
- 开源多模态的代表作,复现与二开友好
适合谁
做目标检测、图像分割与多模态理解的算法工程师
上手门槛
中高 —— 需要 PyTorch 与深度学习基础,部分任务需 GPU
由 AI 生成 · 数据截至 2026-07-29 · 方法论 v2.3
星标增长
STARS GROWTH站内指标 · ON-SITE 30D
页面浏览0
收藏0
安装复制0
摊前留言
COMMENTS · 0还没有留言 · 登录后可发第一条
S·91PaddleOCR百度飞桨 OCR 工具箱,把 PDF/图片变成 AI 可用的结构化数据★86.4k—7日 +458★多模态视觉S·90tesseract最老牌的开源 OCR 引擎,百余种语言文字识别★75.6k—7日 +121★多模态视觉S·89ultralyticsYOLO11 目标检测/分割/追踪,工业级实时视觉★60.0k—7日 +275★多模态视觉S·88supervision可复用的计算机视觉工具库:检测、追踪、标注全套★48.4k—7日 +199★多模态视觉S·85tesseract.js纯 JavaScript OCR,支持 100+ 语言★38.6k—7日 +23★多模态视觉S·84segment-anythingMeta 万物分割 SAM,一键抠出任意物体★54.6k—7日 +43★多模态视觉
