BriefGPT - AI 论文速递
·
Mini-InternVL：一个灵活传输的口袋多模态模型，参数仅占5%且性能达90%
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
我们提出了MobileVLM，一个为移动设备设计的多模态视觉语言模型，包含1.4B和2.7B参数的语言模型及CLIP风格的视觉模型。评估结果显示，其性能与更大模型相当，推断速度在高通骁龙888和NVIDIA Jeston Orin上分别为21.5和65.3个token每秒。
🎯
关键要点
- 提出了MobileVLM，一个为移动设备设计的多模态视觉语言模型。
- MobileVLM包含1.4B和2.7B参数的语言模型，以及CLIP风格的视觉模型。
- 模型通过高效的投影实现跨模态交互。
- 在多个VLM基准测试中，MobileVLM的性能与更大模型相当。
- 在高通骁龙888和NVIDIA Jeston Orin上，推断速度分别为21.5和65.3个token每秒。
- 代码将在指定的URL上提供。
➡️
