Multi-modal pretraining.

暂无描述

用于多模态人机交互学习的Docker容器，支持结合人类反馈的多模态数据处理与模型训练，提供集成化环境实现人机协作的学习流程。

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

为低资源设备提供高效多模态AI，支持文本、图像、音频和视频处理。

Granite Docling是一个多模态图文转文本模型，专为高效文档转换设计，保留Docling核心功能并与Docling Documents无缝集成。

397B MoE model with 17B activation for reasoning, coding, agents, and multimodal understanding

多模态数据可视化微服务是通过Grafana仪表板可视化视频分析和时间序列结果的微服务，与流微服务共同构成多模态数据可视化用例，用于视频流和时间序列数据的可视化展示。

Gemma 4是Google DeepMind开发的多模态开源AI模型系列，支持文本、图像、音频处理，优化了推理、编码能力和长上下文处理，提供E2B、E4B、26B A4B、31B四种尺寸，适用于从移动设备到服务器的多样化部署场景。

基于CLIP的多模态嵌入服务微服务，通过OpenAI兼容API提供视频、图像和文本的高维语义嵌入，支持跨模态检索、视觉搜索和内容推荐，优化性能与可扩展性，适用于云及边缘环境部署。

多模态数据可视化流微服务，用于将推理视频流传输到网页，是多模态数据可视化微服务用例的一部分，支持视频流和时间序列数据的可视化。

SmolLM 2是为速度、边缘设备和本地开发构建的小型LLM系列，提供135M、360M、1.7B参数版本，以Safetensors格式打包并采用vLLM导向布局，便于通过Docker Hub分发。

3970亿参数的混合专家（MoE）多模态大语言模型，仅激活170亿参数实现高效推理，支持262K原生上下文（可扩展至100万），支持201种语言和图像输入，适用于企业级复杂任务如文档分析、多轮对话和agent工作流。

Mistral AI开发的24B参数多模态指令模型，针对指令遵循、减少重复错误及支持函数/工具调用进行了优化。

SmolVLM是一款轻量级多模态模型，用于视频、图像和文本分析，可回答媒体文件问题、比较视觉内容或从图像中转录文本，仅需1.8GB GPU内存即可运行，特别适合资源有限的设备应用。

Fusion Analytics是多模态焊接缺陷检测示例应用中的模块，订阅DL Streamer Pipeline Server和时间序列分析微服务的MQTT主题，应用AND/OR逻辑判断焊接过程异常，通过MQTT发布结果并写入InfluxDB。

Gemma 4是Google DeepMind开发的开源多模态AI模型系列，支持文本、图像（小模型含音频）输入与文本输出，优化用于推理、编码和长上下文处理，提供E2B、E4B、26B A4B、31B四种尺寸，适配从移动设备到服务器的部署需求。

这是一个示例应用，展示如何在边缘使用AI通过分析图像和时间序列传感器数据来识别制造环境中的缺陷。

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述