本地部署大模型—MiniCPM-V 2.0: 具备领先OCR和理解能力的高效端侧多模态大模型
MiniCPM-V 2.0: 具备领先OCR和理解能力的高效端侧多模态大模型
简介
MiniCPM 系列的最新多模态版本 MiniCPM-V 2.0。该模型基于 [MiniCPM 2.4B和 SigLip-400M 构建，共拥有 2.8B 参数。MiniCPM-V 2.0 具有领先的光学字符识别（OCR）和多模态理解能力。该模型在综合性 OCR 能力评测基准 OCRBench 上达到开源社区的最佳水平，甚至在场景文字理解方面实现接近 Gemini Pro 的性能。
MiniCPM-V 2.0 值得关注的特性包括:
-
**领先的 OCR 和多模态理解能力。**MiniCPM-V 2.0 显著提升了 OCR 和多模态理解能力，场景文字理解能力接近 Gemini Pro，在多个主流评测基准上性能超过了更大参数规模（例如 17-34B）的主流模型。
-
**可信行为。MiniCPM-V 2.0 是第一个通过多模态 RLHF 对齐的端侧多模态大模型（借助 RLHF-V [CVPR’24] 系列技术。**该模型在 Object HalBench 达到和 GPT-4V 相仿的性能。
-
任意长宽比高清图像高效编码。 MiniCPM-V 2.0 可以接
相关文章：
本地部署大模型—MiniCPM-V 2.0: 具备领先OCR和理解能力的高效端侧多模态大模型
MiniCPM-V 2.0: 具备领先OCR和理解能力的高效端侧多模态大模型 简介 MiniCPM 系列的最新多模态版本 MiniCPM-V 2.0。该模型基于 [MiniCPM 2.4B和 SigLip-400M 构建，共拥有 2.8B 参数。MiniCPM-V 2.0 具有领先的光学字符识别（OCR）和多模态理解能力。该模型在综合性 OCR 能力…...
国产linux系统（银河麒麟，统信uos）使用 PageOffice 实现后台批量生成PDF文档
PageOffice 国产版 ：支持信创系统，支持银河麒麟V10和统信UOS，支持X86（intel、兆芯、海光等）、ARM（飞腾、鲲鹏、麒麟等）、龙芯（LoogArch）芯片架构。 PageOffice 版本&…...
Python 扫描枪读取发票数据导入Excel
财务需要一个扫描枪扫描发票文件，并将主要信息录入Excel 的功能。 文件中sheet表的列名称，依次为：发票编号、发票编码、日期、金额、工号、扫描日期。 扫描的时候，Excel 文件需要关闭，否则会报错。 import openpyxl …...
电源自动测试系统中的ate定制化包含哪些内容？
1. 测试项目和指标 基础测试项目：虽然大多数电源模块的基础测试项目（如输入输出电压、电流、效率等）已经包含在测试系统中，但针对特殊或小众的测试项目，如VPX电源测试时的通讯验证，可以根据客户需求进行定…...
人工智能-机器学习之多分类分析（项目实战二-鸢尾花的多分类分析）
Softmax回归听名字，依然好像是做回归任务的算法，但其实它是去做多分类任务的算法。 篮球比赛胜负是二分类，足球比赛胜平负就是多分类 识别手写数字0和1是二分类，识别手写数字0-9就是多分类 Softmax回归算法是一种用于多分类问题…...
多包单仓库（monorepo）实现形式
目录 背景 需求和方案 从0开始搭建一个Monorepo项目 创建 配置全局公共样式 配置全局公共组件 方式1：不需要独立发布的组件包，只在当前项目的子项目中使用 方式2：需要独立发布和版本维护的包 子项目的独立构建和部署 总结 Monorepo优势 便于代码维护、管理 支持…...
Java冒泡排序算法之：变种版
什么是冒泡排序算法？ 冒泡排序是一种简单的排序算法，通过多次遍历待排序的数组，逐步将最大的（或最小的）元素“冒泡”到数组的一端。它以其操作过程类似气泡从水底冒至水面而得名。 冒泡排序的工作原理 比较相邻元素&…...
AAPM：基于大型语言模型代理的资产定价模型，夏普比率提高9.6%
“AAPM: Large Language Model Agent-based Asset Pricing Models” 论文地址：https://arxiv.org/pdf/2409.17266v1 Github地址：https://github.com/chengjunyan1/AAPM 摘要 这篇文章介绍了一种利用LLM代理的资产定价模型（AAPM）…...
Spring常见知识
1、什么是spring的ioc？ 其实就是控制反转，提前定义了一个bean，到时候使用的时候直接autowire就可以了。目的是减低计算机代码之间的耦合度。 创建三个文件，分别是Bean的定义、Bean的使用、Bean的配置。 IOC通过将对象创建和管理…...
计算机网络的五层协议
计算机网络的五层协议 计算机网络的五层协议模型包括物理层、数据链路层、网络层、传输层和应用层，每一层都有其特定的功能和相关的协议。1 物理层：负责传输原始的比特流，通过线路（有线或无线）将数据转换为…...
Bluetooth LE Audio - 蓝牙无线音频新应用 (上)
SIG联盟（Bluetooth Special Interest Group）自2020年开始推广新的LE Audio，在穿戴式装置掀起一股热潮，各个品牌商、制造商、第三方软件商都积极的寻找新的LE Audio规格究竟能提供什么样的新应用。究竟LE Audio如何改变你我的生活、…...
如何快速准备数学建模？
前言 大家好，我是fanstuck。数学建模不仅是解决复杂现实问题的一种有效工具，也是许多学科和行业中的关键技能。从工程、经济到生物、环境等多个领域，数学建模为我们提供了将实际问题转化为数学形式，并利用数学理论和方法进行求解的强大能力。然而，对于许多初学者而言，如…...
如何在linux系统上完成定时开机和更新github端口的任务
任务背景 1.即使打开代理，有的时候github去clone比较大的文件时也会出问题。这时需要每小时更新一次github的host端口； 2.马上要放假，想远程登录在学校的台式电脑，但学校内网又不太好穿透。退而求其次，选择定时启动电…...
Jupyter notebook中运行dos指令运行方法
Jupyter notebook中运行dos指令运行方法 目录 Jupyter notebook中运行dos指令运行方法一、DOS(磁盘操作系统）指令介绍1.1 DOS介绍1.2 DOS指令1.2.1 DIR - 显示当前目录下的文件和子目录列表。1.2.2 CD 或 CHDIR - 改变当前目录1.2.3 使用 CD .. 可以返回上一级目录1…...
探索 Linux:（一）介绍Linux历史与Linux环境配置
探索 Linux:（一）介绍Linux历史与Linux环境配置 一. 计算机与操作系统的历史1.1计算机的历史1.2操作系统的历史 二、Unix 操作系统的历史三、Linux 与安卓的关系3.1Linux 与安卓的关系3.2安卓的历史 四、Linux 简单介绍五、Linux 环境安装5.1 虚拟机5.2 直…...
前端【2】html添加样式、CSS选择器
一、为html添加样式的三种方法 1、内部样式 2、外部样式 3、行内样式 二、css的使用--css选择器 1、css基本选择器 元素选择器 属性选择器 id选择器 class/类选择器 通配符选择器 2、群组选择器-多方面筛选 3、关系选择器 后代选择器【包含选择器】 子元素选择器…...
Yolov8 目标检测剪枝学习记录
最近在进行YOLOv8系列的轻量化，目前在网络结构方面的优化已经接近极限了，所以想要学习一下模型剪枝是否能够进一步优化模型的性能 这里主要参考了torch-pruning的基本使用，v8模型剪枝，Jetson nano部署剪枝YOLOv8 下面只是记录一个…...
LeDeCo：AI自动化排版、设计、美化海报
1.简介 平面设计是一门艺术学科，致力于创造吸引注意力和有效传达信息的视觉内容。今天，创造视觉上吸引人的设计完全依赖于具有艺术创造力和技术专长的人类设计师，他们巧妙地整合多模态图形元素，这是一个复杂而耗时的过程…...
Flink CDC解决数据库同步，异常情况下增量、全量问题
Flink 1.11 引入了 Flink SQL CDC，CDC 能给我们数据和业务间能带来什么变化？本文由 Apache Flink PMC，阿里巴巴技术专家伍翀 (云邪）分享，内容将从传统的数据同步方案，基于 Flink CDC 同步的解决方案以及更多…...
01、flink的原理和安装部署
flink中主要有两个进程，分别是JobMManager和TaskManager，当然了根据flink的部署和运行环境不同，会有一些不同，但是主要的功能是类似的，下面我会讲下聊下，公司用的多的部署方式，基于yarn集群的部…...
Qt/C++开发监控GB28181系统/取流协议/同时支持udp/tcp被动/tcp主动
一、前言说明 在2011版本的gb28181协议中，拉取视频流只要求udp方式，从2016开始要求新增支持tcp被动和tcp主动两种方式，udp理论上会丢包的，所以实际使用过程可能会出现画面花屏的情况，而tcp肯定不丢包，起码…...
AI Agent与Agentic AI：原理、应用、挑战与未来展望
文章目录 一、引言二、AI Agent与Agentic AI的兴起2.1 技术契机与生态成熟2.2 Agent的定义与特征2.3 Agent的发展历程 三、AI Agent的核心技术栈解密3.1 感知模块代码示例：使用Python和OpenCV进行图像识别 3.2 认知与决策模块代码示例：使用OpenAI GPT-3进…...
UE5 学习系列（三）创建和移动物体
这篇博客是该系列的第三篇，是在之前两篇博客的基础上展开，主要介绍如何在操作界面中创建和拖动物体，这篇博客跟随的视频链接如下： B 站视频：s03-创建和移动物体 如果你不打算开之前的博客并且对UE5 比较熟的话按照以…...
《用户共鸣指数（E）驱动品牌大模型种草：如何抢占大模型搜索结果情感高地》
在注意力分散、内容高度同质化的时代，情感连接已成为品牌破圈的关键通道。我们在服务大量品牌客户的过程中发现，消费者对内容的“有感”程度，正日益成为影响品牌传播效率与转化率的核心变量。在生成式AI驱动的内容生成与推荐环境中࿰…...
ardupilot 开发环境eclipse 中import 缺少C++
目录 文章目录 目录摘要1.修复过程摘要 本节主要解决ardupilot 开发环境eclipse 中import 缺少C++，无法导入ardupilot代码，会引起查看不方便的问题。如下图所示 1.修复过程 0.安装ubuntu 软件中自带的eclipse 1.打开eclipse—Help—install new software 2.在 Work with中…...
C++ 求圆面积的程序（Program to find area of a circle）
给定半径r，求圆的面积。圆的面积应精确到小数点后5位。 例子： 输入：r 5 输出：78.53982 解释：由于面积 PI * r * r 3.14159265358979323846 * 5 * 5 78.53982，因为我们只保留小数点后 5 位数字。 输…...
selenium学习实战【Python爬虫】
selenium学习实战【Python爬虫】 文章目录 selenium学习实战【Python爬虫】一、声明二、学习目标三、安装依赖3.1 安装selenium库3.2 安装浏览器驱动3.2.1 查看Edge版本3.2.2 驱动安装 四、代码讲解4.1 配置浏览器4.2 加载更多4.3 寻找内容4.4 完整代码 五、报告文件爬取5.1 提…...
C# 求圆面积的程序（Program to find area of a circle）
给定半径r，求圆的面积。圆的面积应精确到小数点后5位。 例子： 输入：r 5 输出：78.53982 解释：由于面积 PI * r * r 3.14159265358979323846 * 5 * 5 78.53982，因为我们只保留小数点后 5 位数字。 输…...
docker 部署发现spring.profiles.active 问题
报错： org.springframework.boot.context.config.InvalidConfigDataPropertyException: Property spring.profiles.active imported from location class path resource [application-test.yml] is invalid in a profile specific resource [origin: class path re…...
Android第十三次面试总结（四大 组件基础）
Activity生命周期和四大启动模式详解 一、Activity 生命周期 Activity 的生命周期由一系列回调方法组成，用于管理其创建、可见性、焦点和销毁过程。以下是核心方法及其调用时机： onCreate() 调用时机：Activity 首次创建时调用。…...