Um modelo multimodal unificado que realiza tarefas de visão computacional, como detecção, OCR, segmentação, estimativa de profundidade e geometria multivista, por meio da geração de texto e imagens.
IA e Machine Learning#multimodal#computer-vision#vision-language-model#segmentation#depth-estimation
71742PythonApache-2.0Atualizado há 2 meses