相关问答
热门讨论
热门文章
为什么用vllm部署qwen2-2b-vl，传输2张照片却，只回答一张照片的问题？
220
请问Qwen-VL怎么用自己的数据集微调
1307
怎么修改model scope的默认存储位置
225
【求助】关于使用Qwen2-7B-VL多模型模型识别图片某个元素的坐标的问题
85
图文匹配：Clip模型介绍
1032
有人遇到吗？modelscope:cuda is not available, using cpu
1038
在4卡4090（24G）服务器上利用modelscope离线部署Qwen2vl-Flux时报错
33
多模态热门的模型有哪一些？
1852
当下载大模型时，出现过慢的情况，有什么更好的方式解决
3859
在VQA任务里，有办法区分context和question吗？
587
展开全部
LongDocURL：中科院联合阿里推出多模态长文档理解基准数据集，用于评估模型对复杂文档分析与推理的能力
106
WeaveFox：蚂蚁集团推出 AI 前端智能研发平台，能够根据设计图直接生成源代码，支持多种客户端和技术栈
453
行业实践 | 基于Qwen2-VL实现医疗表单结构化输出
74
Browser Use：开源 AI 浏览器助手，自动完成网页交互任务，支持多标签页管理、视觉识别和内容提取等功能
146
StockMixer：上海交大推出预测股票价格的 MLP 架构，通过捕捉指标、时间和股票间的复杂相关性，预测下一个交易日的收盘价
57
EDTalk：只需上传图片、音频和视频，就能使图片中的人物说话，情感表情与音频情绪高度统一
52
FinRobot：开源的金融专业 AI Agent，提供市场预测、报告分析和交易策略等金融解决方案
49
Vision Parse：开源的 PDF 转 Markdown 工具，结合视觉语言模型和 OCR，识别文本和表格并保持原格式
44
PC Agent：开源 AI 电脑智能体，自动收集人机交互数据，模拟认知过程实现办公自动化
84
Midscene.js：AI 驱动的 UI 自动化测试框架，支持自然语言交互，生成可视化报告
103
展开全部
