معرفی مدل Qwen-VL توسط شرکت چینی علی‌بابا

این مدل چندگانه (multimodel) توانایی پردازش تصویر و متن را به طور همزمان دارد. به عنوان مثال کاربر می‌تواند تصویر منوی رستوران را به این مدل ارسال کرده و در مورد قیمت غذاهای مختلف سوال بپرسد و یا اینکه از آن بخواهد دور شی مورد نظر در تصویر دایره بکشد. همچنین این مدل ‌می‌تواند برای یک تصویر داستان‌سرایی کند. مدل Qwen-VL به صورت اپن‌سورس در گیت‌هاب منتشر شده است.

#چین
#alibaba
#QwenVL

@dumannewsletter