NVLM是NVIDIA推出的前沿多模态大型语言模型（LLMs），在视觉-语言任务上达到与顶尖专有模型（如GPT-4o）和开放访问模型（如Llama 3-V 405B和InternVL 2）相匹敌的性能。NVLM 1.0家族包括三种架构：仅解码器模型NVLM-D、基于交叉注意力的模型NVLM-X和混合架构NVLM-H。三种架构在多模态训练后，保持了文本性能，在某些情况下超过了它们的LLM主干。NVLM基于精心策划的多模态预训练和监督微调数据集，展现了卓越的性能，尤其在数学和编码任务上。
NVLM的主要功能图像理解：能识别和理解图像内容，包括物体、场景和活动。语言理解：理解自然语言文本，包括词汇、句子和语义。跨模态融合：将视觉信息和语言信息结合起来，实现更深层次的理解。图像描述生成：为图像生成描述性文本。视觉推理：进行复杂的视觉推理，如预测、比较和分析。多模态翻译：在不同模态之间进行信息转换，如将文本描述转换为视觉表示。NVLM的技术原理模型架构：NVLM-D（仅解码器模型）：将图像特征直接嵌入到LLM的解码器中，统一处理所有模态。NVLM-X（交叉注意力模型）：使用交叉注意力机制处理图像特征，保持LLM主干的参数冻结，以维持文本性能。NVLM-H（混合模型）：结合了NVLM-D和NVLM-X的优点，同时处理全局缩略图和局部图像特征。动态高分辨率输入：将高分辨率图像分割成多个平铺（tiles），每个平铺独立处理，然后合并结果，提高对图像细节的处理能力。1-D平铺标签设计：在处理高分辨率图像时，引入1-D平铺标签（tile tags），帮助模型理解图像的不同部分及其在整体中的位置。多模态预训练和监督微调：用高质量的多模态数据集进行预训练，及针对性的任务数据集进行监督微调，提升模型在特定任务上的性能。NVLM的项目地址项目官网：nvlm-project.github.ioHuggingFace模型库：https://huggingface.co/collections/nvidia/nvlm-10-66e9f407c764a0ee6e37b7f4arXiv技术论文：https://arxiv.org/pdf/2409.11402NVLM的应用场景图像和视频描述：自动生成图像或视频内容的描述，适于社交媒体、内容管理和搜索引擎优化。视觉问答（VQA）：回答有关图像内容的问题，适于客户服务、教育和信息检索。文档理解和OCR：从扫描的文档、票据和表格中提取文本和信息，适于自动化办公和档案管理。多模态搜索：通过图像或文本查询检索相关信息，适于电子商务和内容推荐系统。辅助驾驶和机器人：理解和响应视觉环境中的指令，用在自动驾驶车辆和机器人导航。 
