AIbase
JA
ホーム
Vit Medium Patch16 Clip 224.tinyclip Yfcc15m
V

Vit Medium Patch16 Clip 224.tinyclip Yfcc15m

timmによって開発
ViTアーキテクチャに基づくCLIPモデル、ゼロショット画像分類タスク用
画像分類
Safetensors
オープンソースライセンス:MIT#ゼロショット分類#CLIPアーキテクチャ#画像理解
ダウンロード数 144
リリース時間 : 3/20/2024

モデル概要

このモデルはOpenCLIPプロジェクトの一部で、Vision Transformer (ViT)アーキテクチャを採用し、ゼロショット画像分類タスク専用に設計されています。視覚と言語表現を組み合わせ、特定のタスク訓練なしで画像を分類できます。

モデル特徴

ゼロショット学習能力
特定タスクの訓練データがなくても画像分類タスクを実行可能
マルチモーダル理解
視覚とテキスト情報を同時処理し、クロスモーダル理解を実現
効率的なアーキテクチャ
ViTアーキテクチャに基づき、モデル性能と計算効率のバランスを実現

モデル能力

ゼロショット画像分類
画像-テキストマッチング
クロスモーダル検索

使用事例

コンテンツ管理
自動画像タグ付け
画像ライブラリ内の画像に自動的に記述タグを生成
画像検索効率向上、手動タグ付けコスト削減
電子商取引
製品分類
製品画像に基づいて自動的に適切なカテゴリに分類
商品登録効率向上、ユーザー体験改善
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