Vit Gigantic Patch14 Clip 224.metaclip 2pt5b
V
Vit Gigantic Patch14 Clip 224.metaclip 2pt5b
timmによって開発
MetaCLIP-2.5Bデータセットで訓練されたデュアルフレームワーク互換の視覚モデルで、OpenCLIPとtimmフレームワークをサポート
ダウンロード数 444
リリース時間 : 10/23/2024
モデル概要
このモデルはVision Transformerアーキテクチャに基づく大規模視覚モデルで、主にゼロショット画像分類タスクに使用されます。OpenCLIPとtimmの2つのフレームワークと互換性があり、強力な画像理解能力を備えています。
モデル特徴
デュアルフレームワーク互換
OpenCLIPとtimmフレームワークを同時にサポートし、より柔軟な使用方法を提供
大規模事前学習
MetaCLIP-2.5B大規模データセットで訓練されており、強力な視覚表現能力を備えています
ゼロショット学習
ゼロショット画像分類タスクをサポートし、特定ドメインの微調整なしで適用可能
モデル能力
画像分類
視覚特徴抽出
クロスモーダル理解
使用事例
コンピュータビジョン
ゼロショット画像分類
特定の訓練なしで新しいカテゴリの画像を分類
コンテンツモデレーション
画像内の不適切なコンテンツを識別
クロスモーダルアプリケーション
画像検索
テキスト記述に基づいて関連画像を検索
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98