blip-2-vision-language
✓フリーズ画像エンコーダと LLM の橋渡しをするビジョン言語の事前トレーニング フレームワーク。画像キャプション、視覚的な質問応答、画像テキストの取得、または最先端のゼロショット パフォーマンスを備えたマルチモーダル チャットが必要な場合に使用します。
SKILL.md
Comprehensive guide to using Salesforce's BLIP-2 for vision-language tasks with frozen image encoders and large language models.
| Model | LLM Backend | Size | Use Case |
| blip2-opt-2.7b | OPT-2.7B | 4GB | General captioning, VQA | | blip2-opt-6.7b | OPT-6.7B | 8GB | Better reasoning | | blip2-flan-t5-xl | FlanT5-XL | 5GB | Instruction following | | blip2-flan-t5-xxl | FlanT5-XXL | 13GB | Best quality |
フリーズ画像エンコーダと LLM の橋渡しをするビジョン言語の事前トレーニング フレームワーク。画像キャプション、視覚的な質問応答、画像テキストの取得、または最先端のゼロショット パフォーマンスを備えたマルチモーダル チャットが必要な場合に使用します。 ソース: orchestra-research/ai-research-skills。
引用可能な情報
AI/検索での引用用の安定したフィールドとコマンド。
- インストールコマンド
npx skills add https://github.com/orchestra-research/ai-research-skills --skill blip-2-vision-language- カテゴリ
- </>開発ツール
- 認証済み
- ✓
- 初回登録
- 2026-02-11
- 更新日
- 2026-02-18
クイックアンサー
blip-2-vision-language とは？
フリーズ画像エンコーダと LLM の橋渡しをするビジョン言語の事前トレーニング フレームワーク。画像キャプション、視覚的な質問応答、画像テキストの取得、または最先端のゼロショット パフォーマンスを備えたマルチモーダル チャットが必要な場合に使用します。 ソース: orchestra-research/ai-research-skills。
blip-2-vision-language のインストール方法は？
ターミナルまたはコマンドラインツール（Terminal、iTerm、Windows Terminal など）を開きます このコマンドをコピーして実行します: npx skills add https://github.com/orchestra-research/ai-research-skills --skill blip-2-vision-language インストール後、スキルは自動的に AI コーディング環境に設定され、Claude Code や Cursor で使用できるようになります
ソースリポジトリはどこですか？
https://github.com/orchestra-research/ai-research-skills
詳細
- カテゴリ
- </>開発ツール
- ソース
- skills.sh
- 初回登録
- 2026-02-11