LLaVA-Mini是一种高效的多模态模型，通过模态预融合方法将视觉信息压缩为一个令牌，显著降低计算开销。该模型在多个基准测试中表现优于传统模型，提高了处理高分辨率图像和视频的效率与速度。

LLaVA-Mini: An Efficient Large Multimodal Model for Images and Videos Using a Single Vision Token
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证