AI模型 AI图像生成 多模态 图像处理 文本处理 大型语言模型 普通产品 开源

使用场景视觉问题回答（VQA）：用户可以上传图片并询问有关图像的问题，模型会给出答案。文档视觉问题回答（DocVQA）：模型可以理解文档的文本和布局，然后回答有...