# Florence-VL – 微软和马里兰大学共同开源的多模态大语言模型

- Link: https://paooo.com/aigc-news/24999/
- Published: 2026-07-11T03:48:29+08:00
- Author: Prompt 语宙研究院

## Florence-VL是什么

Florence-VL是创新的多模态大型语言模型（MLLMs），是马里兰大学和微软研究院共同推出
的。Florence-VL用生成式视觉基础模型Florence-2丰富视觉表示，能捕捉图像的不同层次和
方面的视觉特征，适应多样的下游任务。Florence-VL引进深度-广度融合（DBFusion）技术，
将不同深度和多个提示下提取的视觉特征，实现视觉与语言理解的深度融合。

阅读目录

 * [Florence-VL是什么](https://paooo.com/aigc-news/24999/#florencevl%e6%98%af%e4%bb%80%e4%b9%88)
 * [Florence-VL的主要功能](https://paooo.com/aigc-news/24999/#florencevl%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [Florence-VL的技术原理](https://paooo.com/aigc-news/24999/#florencevl%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [Florence-VL的项目地址](https://paooo.com/aigc-news/24999/#florencevl%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [Florence-VL的应用场景](https://paooo.com/aigc-news/24999/#florencevl%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![Florence-VL](https://paooo.com/wp-content/uploads/2026/07/Florence-VL-webiste-
1.avif)

## Florence-VL的主要功能

 * **多模态理解**：Florence-VL能理解和处理图像与文本数据，实现视觉与语言的深度融合。
 * **视觉特征提取**：用Florence-2模型，从图像中提取丰富的视觉特征。
 * **深度-广度融合（DBFusion）**：结合不同层次（深度）和不同任务提示（广度）的视觉
   特征，适应多种下游任务。
 * **性能提升**：在多个多模态和视觉中心的基准测试中实现性能提升，包括VQA、OCR、图像
   描述等。

## Florence-VL的技术原理

 * **生成式视觉编码器**：用Florence-2作为视觉编码器，基于不同的任务提示生成视觉特征，
   适用于多种视觉任务。
 * **特征融合架构**：引进新颖的特征融合架构，将从Florence-2提取的视觉特征与预训练
   的语言模型相结合。
 * **深度-广度融合（DBFusion）**：
    - **深度**：整合来自不同层次的视觉特征，捕捉从低级到高级的概念细节。
    - **广度**：用多个任务特定的视觉特征，每个特征强调输入图像中的不同感知信息。
 * **端到端预训练**：整个模型进行端到端预训练，实现视觉和语言模态之间的最佳对齐。
 * **微调**：在预训练后，对投影层和语言模型进行微调，适应特定的下游任务。

## Florence-VL的项目地址

 * **项目官网**：[jiuhaichen.github.io/florence-vl](https://jiuhaichen.github.io/florence-vl.github.io/?utm_source=ai-bot.cn)
 * **GitHub仓库**：[https://github.com/JiuhaiChen/Florence-VL](https://github.com/JiuhaiChen/Florence-VL)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2412.04424](https://arxiv.org/pdf/2412.04424)

## Florence-VL的应用场景

 * **研究人员和科学家**：在人工智能、计算机视觉和自然语言处理领域的学者和研究人员
   探索新的算法、模型架构和多模态学习技术。
 * **软件开发者**：开发者增强应用程序，比如通过图像识别和处理功能提升用户体验。
 * **数据分析师**：在金融、市场研究等领域，数据分析师分析和理解图表数据，提取有价值
   的信息。
 * **教育工作者**：教师和教育技术专家创建互动式教育内容，辅助学生学习和理解复杂概念。
 * **内容创作者**：作家、记者和内容制作者生成图像描述或为图像内容创作提供灵感。

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/24999/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)