Ferret-UI-Llama8b 是什么
Ferret-UI 被介绍为首个以用户界面为中心的多模态大型语言模型,面向指代、定位与推理任务。
你可以用它做什么
- 下载所需的 Python 文件
- 准备图像文件和提示文本
- 调用 inference_and_run 并可指定 bounding box
优点与缺点
✓ 我们认可的地方
- 支持基于图像和文本的对话交互
- 包含基于图像内容的文本生成
! 需要留意的地方
- 构建方向围绕用户界面任务
- 推理需准备本地 Python 文件与图像
常见问题
基于哪些底座模型?
资料说明基于 Gemma-2B 和 Llama-3-8B 构建。
怎么指定图像区域?
资料说明可在推理调用时指定 bounding box 来圈定区域。
最后评测: 2026-11-15