CogVLM
एक शक्तिशाली ओपन-सोर्स दृश्य भाषा मॉडल
सामान्य उत्पादछविदृश्य भाषा मॉडलछवि विवरण
CogVLM एक शक्तिशाली ओपन-सोर्स दृश्य भाषा मॉडल है। CogVLM-17B में 100 अरब दृश्य पैरामीटर और 70 अरब भाषा पैरामीटर हैं। CogVLM-17B ने 10 क्लासिक क्रॉस-मॉडल बेंचमार्क में अत्याधुनिक प्रदर्शन हासिल किया है, जिसमें NoCaps, Flicker30k कैप्शन, RefCOCO, RefCOCO+, RefCOCOg, Visual7W, GQA, ScienceQA, VizWiz VQA और TDIUC शामिल हैं, और VQAv2, OKVQA, TextVQA, COCO कैप्शन आदि में दूसरा स्थान प्राप्त किया है, जो PaLI-X 55B से मेल खाता है या उससे बेहतर है। CogVLM आपसे छवियों पर बातचीत भी कर सकता है।
CogVLM नवीनतम ट्रैफ़िक स्थिति
मासिक कुल विज़िट
474564576
बाउंस दर
36.20%
प्रति विज़िट औसत पृष्ठ
6.1
औसत विज़िट अवधि
00:06:34
