home/categories/llm-ai/davila7-claude-code-templates-cli-tool-components-skills-ai-research-multimodal-blip-2-skill-md
llm-aidata-ai

blip-2-vision-language

Vision-language pre-training framework bridging frozen image encoders and LLMs. Use when you need image captioning, visual question answering, image-text retrieval, or multimodal chat with state-of-the-art zero-shot performance.

davila7
maintainer
davila7
আপডেট হয়েছে 1/20/2026
স্টার
17577
ফর্ক
1576
quick start

Installation and usage

Vision-language pre-training framework bridging frozen image encoders and LLMs. Use when you need image captioning, visual question answering, image-text retrieval, or multimodal chat with state-of-the-art zero-shot performance.

ইনস্টলেশন
$ install --globalskills.sh
ব্যবহার

ইনস্টল করার পর, টার্মিনালে নিচের কমান্ড চালিয়ে আপনি এই স্কিল ব্যবহার করতে পারবেন:

skills use blip-2-vision-language