LLaVA
需求人群
LLaVA适用于需要进行多模态聊天和科学问答的场景，例如日常用户应用和科学领域的推理。使用场景
LLaVA可以回答关于蒙娜丽莎的问题，包括画作的作者、画作的特点和保存在哪里等。LLaVA可以进行光学字符识别（OCR），并提供有关识别结果的详细描述。LLaVA可以进行视觉推理，例如在OpenAI GPT-4技术报告中的两个示例。产品特色
将视觉编码器和Vicuna相结合，实现多模态聊天和科学问答使用语言-only GPT-4生成多模态语言-图像指令跟随数据通过两个阶段的指令调整过程，实现预训练和微调在视觉聊天和科学问答方面取得了令人印象深刻的表现提供数据、代码和检查点的开源
团队介绍
了解 LLaVA 背后的团队成员，包括创始人、开发人员、设计师和产品人员。
该产品暂无团队信息。