FastVLM 视觉语言模型的高效视觉编码

授权协议：None操作系统：None 开发语言：None

FastVLM，一款专为高分辨率图像处理优化的视觉语言模型（VLM）。 FastViTHD 是一种新颖的混合视觉编码器，旨在输出更少的 token 并显著减少高分辨率图像的编码时间。最小的变体...