Lm

赞

7

|

搜索文章

赞

文章( 5 ) 沸点( 2 )

不是笨小孩的阿加西

1年前
举报
越睡越困脑袋晕晕

上班摸鱼

分享

7

3
江昪

鼓励师 @掘金

·
2年前
举报
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？

收起

查看大图

向左旋转

向右旋转

大模型生态圈

分享

评论

4

个人成就

文章被点赞 1

文章被阅读 1,011

加入于

2021-11-18