视觉语言模型BLIVA

文章概要:1.BLIVA是一种视觉语言模型，擅长读取图像中的文本。2.BLIVA结合了InstructBLIP的学习查询嵌入和LLaVA的编码修补嵌入。3.BLIVA在多个数据集上表现优异，可用于识别路牌、食品包装等场景。BLIVA是一种视觉语言模型，擅长读取图像中的文本，使其在许多行业的现实场景和应用中发挥作用。