LLaVA 系列模型结构详解 - Zhang

[giscus[bot]]

LLaVA 系列模型结构详解 - Zhang

从事 LLM 推理部署、视觉算法开发、模型压缩部署以及算法SDK开发工作,终身学习践行者。Transformer多模态大模型 MLLM 架构通常都是 LLM + 视觉编码器 + 映射层的组合。本文详细总结了 LLaVA 系列多模态模型的模型结构，以及视觉编码器如何支持高分辨率输入图像。

https://www.armcvai.cn/2024-11-28/llava-structure.html

[zfgincau]

强

[zfgincau]

为啥看不到评论？