AIbase
JA
ホーム
Vit Huge Patch14 Clip 224.metaclip 2pt5b
V

Vit Huge 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ユースの視覚言語モデル、ゼロショット画像分類タスクをサポート
画像分類
Safetensors
#ゼロショット画像分類#大規模事前学習#マルチモーダル理解
ダウンロード数 3,173
リリース時間 : 10/23/2024

モデル概要

このモデルはOpenCLIPとtimmフレームワーク互換のVision Transformerモデルで、主にゼロショット画像分類タスクに使用され、強力なクロスモーダル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サポート、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、強力な視覚言語理解能力を有する
ゼロショット学習
特定タスクのファインチューニング不要でゼロショット画像分類タスクをサポート
効率的なアーキテクチャ
Vision Transformer Hugeアーキテクチャを採用、quickgelu活性化関数で性能と効率をバランス

モデル能力

ゼロショット画像分類
クロスモーダル理解
画像特徴抽出

使用事例

コンピュータビジョン
画像分類
未見の画像カテゴリを分類、追加訓練不要
ゼロショット設定で高精度分類を実現
クロスモーダル検索
画像とテキスト間のクロスモーダル検索を実現
コンテンツ理解
自動タグ付け
画像に記述的タグを生成
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
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
English简体中文繁體中文にほんご
© 2025AIbase