VIT, LLM, VLM, VLA的区别
·
| 模型 | 模型全称 | 技术领域 | 输入 | 输出 | 应用 | 代表 |
|---|---|---|---|---|---|---|
| VIT | Vition Transformer | 计算机视觉 | 图像 | 图像类别、目标框等 | 图像分类、图像分割、目标检测等 | VIT, Swin Transformer |
| LLM | Large Language Model | 自然语言处理 | 文本 | 文本 | 智能客服、内容创作 | ChatGPT, LLaMA, Deekseek, Qwen |
| VLM | Vision Language Model | 多模态 | 图像+文本 | 文本 | 图像描述、视觉问答、多模态检索 | CLIP, LLaVA |
| VLA | Vision Language Action Model | 具身智能 | 图像+文本 | 动作执行 | 机器人、机器狗、自动驾驶 | agent |
中国智能体开发者社区，聚焦智能体与大模型开发，提供前沿资讯、实用工具链、开源项目及行业案例。通过技术沙龙、开发者大赛等活动，促进经验交流与协作，助力开发者快速构建创新智能应用。
更多推荐
1
0- 0
已为社区贡献1条内容
所有评论(0)