【求助】关于使用Qwen2-7B-VL多模型模型识别图片某个元素的坐标的问题
关于使用Qwen2-7B-VL多模型模型识别图片某个元素的坐标的问题
我在使用的时候，模型返回的坐标很不准确
这是图片上两个位置相差较大的文字元素，但是模型返回的坐标居然是一样的。针对这种情况需要怎么处理。求助！！
展开
收起
相关问答
热门讨论
热门文章
请问Qwen-VL怎么用自己的数据集微调
1249
为什么用vllm部署qwen2-2b-vl，传输2张照片却，只回答一张照片的问题？
152
!pip install open_clip_torch !pip install pytorch-
430
怎么修改model scope的默认存储位置
196
当下载大模型时，出现过慢的情况，有什么更好的方式解决
3847
对于ofa 6b en 模型，当我们使用pipline时能否一张图片生成多个句子？
1365
有人遇到吗？modelscope:cuda is not available, using cpu
1023
【求助】关于使用Qwen2-7B-VL多模型模型识别图片某个元素的坐标的问题
62
多模态热门的模型有哪一些？
1834
18领域的文本分类模型在什么场景使用呢？
1678
展开全部
Fugatto：英伟达推出的多功能AI音频生成模型
47
OmniSearch：阿里巴巴通义推出的多模态检索增强生成框架
97
Qwen2VL-Flux：开源的多模态图像生成模型，支持多种生成模式
41
LazyGraphRAG：微软推出的图形增强生成增强检索框架
41
SmolVLM：Hugging Face推出的轻量级视觉语言模型
27
ACE：阿里通义实验室推出的全能图像生成和编辑模型
44
LongLLaVA：香港中文大学推出的多模态上下文混合架构大语言模型
25
FlagEvalMM：智源开源的多模态模型评测框架
25
ShowUI：新加坡国立联合微软推出用于 GUI 自动化的视觉-语言-操作模型
24
Agent-E：基于 AutoGen 代理框架构建的 AI 浏览器自动化系统
24
展开全部
