Un modelo multimodal unificado que realiza tareas de visión por computadora como detección, OCR, segmentación, estimación de profundidad y geometría multivista mediante generación de texto e imágenes.
IA y Machine Learning#multimodal#computer-vision#vision-language-model#segmentation#depth-estimation
71742PythonApache-2.0Actualizado hace 2 meses