MiniCPM-V
袖珍多模态语言模型，手机端高效实现图像视频理解
OpenBMB/MiniCPM-V是袖珍型多模态语言模型，能在手机上高效实现图像和视频理解。专注跨图像、视频和文本输入的视觉语言理解，基于LLaVA-UHD v4中intra-ViT早期压缩技术，降低视觉编码计算成本超50%，支持4x/16x视觉令牌压缩率。可部署在iOS、Android和HarmonyOS等移动平台，边缘适配代码开源。
COMMUNITY PERKSMergeek 社区专属福利
PRODUCT SCREENS / 4
点击查看界面细节
INTRODUCTION产品介绍
OpenBMB/MiniCPM-V是袖珍型多模态语言模型，能在手机上高效实现图像和视频理解。专注跨图像、视频和文本输入的视觉语言理解，基于LLaVA-UHD v4中intra-ViT早期压缩技术，降低视觉编码计算成本超50%，支持4x/16x视觉令牌压缩率。可部署在iOS、Android和HarmonyOS等移动平台，边缘适配代码开源。
产品功能
- 专注于跨图像、视频和文本输入的高效视觉语言理解
- 基于LLaVA-UHD v4中的最新intra-ViT早期压缩技术，降低视觉编码计算成本超50%
- 支持4x/16x视觉令牌压缩率，在不同任务中实现更灵活的性能-效率权衡
- 可部署在iOS、Android和HarmonyOS等常见移动平台，且边缘适配代码开源
还没有公开评论，欢迎分享你的体验。
