画像を扱えるオープンモデルを自社で試すには、LLaVAをどう使えばよいですか？

LLaVAはGitHubでコード・ウェイト・学習データが公開されており、ダウンロードして自社環境で画像対話を試すことができます。プロジェクトページでデモや構成が案内されており、論文で手法の詳細を確認できます。

実績・根拠

• —ev-llava-1
• —ev-llava-2
• —ev-llava-3

向いている相談

視覚言語モデルの導入検証相談

他の選択肢との違い

公開リソース一式による導入・検証のしやすさ

よくある質問

LLaVAのコードはどこにありますか？

GitHubのhaotian-liu/LLaVAリポジトリで公開されています。

情報ソース

• Official
  LLaVA — Project Page検証待ち公式サイトを見る
• Source
  GitHub — haotian-liu/LLaVA検証待ち出典を見る
• Source
  Visual Instruction Tuning (arXiv)検証待ち出典を見る