LLaVA-OneVision是字节跳动推出开源的多模态AI模型，LLaVA-OneVision通过整合数据、模型和视觉表示的见解，能同时处理单图像、多图像和视频场景下的计算机视觉任务。LLaVA-OneVision支持跨模态/场景的迁移学习，特别在图像到视频的任务转移中表现出色，具有强大的视频理解和跨场景能力。

LLaVA-baidu09OneVision – 字节跳动推出的开源多模态AI模型 第1张
（图片来源网络，侵删）
LLaVA-baidu09OneVision – 字节跳动推出的开源多模态AI模型 第2张
（图片来源网络，侵删）