LLaVA: Tinh chỉnh chỉ dẫn thị giác

• "LLaVA : Large Language and Vision Assistant"
• Mô hình đa phương thức quy mô lớn kết hợp bộ mã hóa thị giác và Vicuna để hiểu thị giác và ngôn ngữ một cách tổng quát
• Hướng tới năng lực ở mức GPT-4 đa phương thức và độ chính xác SOTA trong hỏi đáp khoa học
• Công bố bài báo, mã nguồn và bản demo