LLaVA是一个端到端训练的大型多模态模型，旨在根据视觉输入（图像）和文本指令理解和生成内容。它结合了视觉编码器和语言模型的功能来处理和响应多模态输入。图1：LLaVA工作原理的示例。_llava模型...

浏览 67 次 标签： LLaVA 简介：一种多模式 AI 模型