试了一下 llama.cpp 最新支持的多模态大模型 LLaVA。能准确识别驾照上的信息，并输出为 json 格式。
借助图片识别能力的革新，后续估计会影响到 OCR 产品的识别准确度，以及无障碍应用，例如帮视障人士描述图片上的内容；还有 CMS 工具，上传一张图片后，能描述内容并写道 alt 标签内，获取图片搜索的流量。你还能想到哪些应用场景呢？
江昪于2023-10-24 08:53发布的图片
大模型生态圈
avatar
avatar
avatar
等人赞过
评论
相关推荐