Modelleinführung

Im Vergleich zum Open-Source-Modell CogVLM der vorherigen Generation weist das Open-Source-Modell der CogVLM2-Serie die folgenden Verbesserungen auf:

• Deutliche Verbesserungen bei vielen Benchmarks, wie z. B. TextVQA, DocVQA.
• Unterstützt 8K-Inhaltslänge.
• Unterstützt Bildauflösungen bis zu 1344*1344.
• Es wird eine Open-Source-Modellversion bereitgestellt, die Chinesisch und Englisch unterstützt.

Wie man läuft

1. Öffnen Sie eine neue Terminalseite
2. Geben Sie den Befehl ein

cd CogVLM2/basic_demo
chainlit run web_demo.py --port 8080

Führen Sie das Programm aus

3. Kopieren Sie die API-Adresse rechts und öffnen Sie sie in Ihrem Browser 
4. Klicken Sie unten, um ein Bild hochzuladen und die Textaufforderung einzugeben

5. Drücken Sie die Eingabetaste, um die Antwort zu generieren