|
--- |
|
license: apache-2.0 |
|
pipeline_tag: image-to-text |
|
--- |
|
# MMAlaya |
|
MMAlaya是基于大语言模型[Alaya](https://github.com/DataCanvasIO/Alaya)的多模态模型。 |
|
|
|
MMAlaya包含以下三个模块： |
|
<br>1，大语言模型Alaya-7B-Chat(https://huggingface.co/DataCanvas/Alaya-7B-Chat)。 |
|
<br>2，图像文本特征编码器来自[blip2-opt-2.7b](https://huggingface.co/Salesforce/blip2-opt-2.7b)的Qformer。 |
|
<br>3，图像文本特征到大预言模型的线性投影器。 |
|
|
|
模型的训练主要基于[LLaVA](https://github.com/haotian-liu/LLaVA)架构 |
|
|
|
2024.01.23 最终在[MMBench](https://mmbench.opencompass.org.cn)线上测试中文测试集分数为56.9，英文测试集分数为59.8。 |
|
|
|
推理可以参考 [inference.py](https://github.com/DataCanvasIO/MMAlaya/blob/main/inference.py) |
