Hugging Face Blog·· 2025-04-11AI 评分22
Visual Salamandra 发布:将 7B 多模态理解扩展至图像与视频
Visual Salamandra: Pushing the Boundaries of Multimodal Understanding
AI 导读
语言技术实验室发布 Visual Salamandra,将 Salamandra 大模型能力扩展至图像和视频,基于 70 亿参数基础模型,集成 Google SigLIP-So400m 编码器与 2 层 MLP 投影器,采用四阶段训练和 late-fusion 架构。
打开原文 huggingface.co