/blip-2-vision-language
連接凍結影像編碼器與 LLM 的視覺語言預訓練框架。用於影像說明、視覺問答、圖文檢索，或多模態對話。
- 安裝次數
- 972
- 專案星數
- 1.4 萬 ★
- 授權
- MIT
- 專案更新
- 2026-10-11
怎麼裝
npx skills add https://github.com/Orchestra-Research/AI-Research-SKILLs --skill blip-2安裝前請先看過原文內容。中文說明是 AI 翻譯，不保證安全。
原文
Vision-language pre-training framework bridging frozen image encoders and LLMs. Use when you need image captioning, visual question answering, image-text retrieval, or multimodal chat with state-of-the-art zero-shot performance.