blip-2-vision-language - BLIP-2 视觉语言任务支持
使用 BLIP-2 进行图像描述、视觉问答、图文检索、特征提取和多模态对话。
标签
更新于: 2026-10-05能力
典型输入
典型输出
该技能可以做什么
- 生成图像描述
- 回答视觉问题
- 检索图文匹配
- 提取图像特征
- 批量处理图像
- 控制文本生成
输入
- 输入图像
- 视觉问题
- 文本提示
- 模型检查点
输出
- 生成的图像描述
- 问题答案
- 匹配分数
- 图像特征
- 控制台消息
要求
- Python 环境
- Transformers 软件包
- PyTorch 软件包
- Pillow 软件包
- BLIP-2 模型检查点
