LLaVA-OneVision是一款由字节跳动公司与多所大学合作开发的多模态大型模型（LMMs），它在单图像、多图像和视频场景中推动了开放大型多模态模型的性能边界。该模型的设计允许在不同模态/场景之间进行强大的迁移学习，展现出新的综合能力，特别是在视频理解和跨场景能力方面，通过图像到视频的任务转换进行了演示。 需求人群：
"LLaVA-OneVision的目标受众是计算机视觉领域的研究人员和开发者，以及需要处理和分析大量视觉数据的企业。它适合那些寻求通过高级视觉识别和理解技术来提高产品或服务智能化水平的用户。"
