LLaVA++是一個開源項目，旨在通過集成Phi-3和LLaMA-3模型來擴展LLaVA模型的視覺能力。該項目由Mohamed bin Zayed University of AI （MBZUAI）的研究人員開發，通過結合最新的大型語言模型，增強了模型在遵循指令和學術任務導向數據集上的表現。
基本介紹
- 外文名： LLaVA++
- 最新模型：LLaVA-UHD
產品功能
多模態對話：支持圖像與文本的互動式對話。
視覺推理：基於圖像內容進行邏輯分析。
開源架構：提供可修改的模型框架。
高效部署：適配消費級硬體運行。
動態解析度：支持多種圖像寬高比處理。
