Тег: vision-language

Открытые мультимодальные модели OpenBMB для анализа изображений, видео и документов: сравниваем версии 1B и 35B-A3B и объясняем запуск.

Nemotron-Labs-Diffusion VLM 8B анализирует изображения и генерирует текст с помощью трёх режимов декодирования.