「mllm」に関するオープンソースプロジェクト

ピクセルと単語を単一のエンコーダーフリーな高密度アーキテクチャで処理する、オープンソースのネイティブ視覚言語モデル（NEOシリーズ）。2Bと9Bを公開。

自然言語の指示に応じてテキスト、画像、またはその両方を生成し、多様なコンピュータビジョンタスクを処理する統合マルチモーダルモデル。