跳到正文

VCoder

面向多模态大模型对象级视觉任务的适配器

访问官网

VCoder 是什么

该适配器被介绍为用辅助感知模式提升多模态大型语言模型对象级视觉任务性能的方法。

你可以用它做什么

  • 辅助多模态语言模型处理图像
  • 提升对象级视觉任务上的性能
  • 加载预训练模型做图像理解

模型说明

  • VCoder LLaVA 基于 LLaVA-1.5 构建
  • COST 数据集基准涵盖语义、实例和全景分割
  • 作者发布了检测结果与预训练模型

优点与缺点

✓ 我们认可的地方

  • 通用问答性能与 LLaVA-1.5 保持一致
  • 在语义、实例与全景分割上做了基准测试

! 需要留意的地方

  • 适配器构建在 LLaVA-1.5 之上
  • 基准测试在 COST 数据集上进行

常见问题

会改动 LLaVA-1.5 的参数吗?

资料说明不微调 LLaVA-1.5 的参数。

作者发布了什么?

作者发布了模型的检测结果和预训练模型。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法