AIbase
JA
ホーム
Vit Medium Patch32 Clip 224.tinyclip Laion400m
V

Vit Medium Patch32 Clip 224.tinyclip Laion400m

timmによって開発
OpenCLIPライブラリに基づく視覚言語モデルで、ゼロショット画像分類タスクをサポートします。
画像分類
Safetensors
オープンソースライセンス:MIT#ゼロショット画像分類#CLIPアーキテクチャ#マルチモーダル理解
ダウンロード数 110
リリース時間 : 3/20/2024

モデル概要

このモデルはVision Transformer (ViT)アーキテクチャに基づく視覚言語モデルで、主にゼロショット画像分類タスクに使用されます。画像とテキストの表現能力を組み合わせており、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
特定のタスク訓練なしで画像を分類でき、様々なシナリオに適用可能です。
視覚言語連合表現
画像とテキストの表現能力を組み合わせ、モデルの汎化能力を向上させます。
ViTアーキテクチャベース
Vision Transformerアーキテクチャを使用し、画像データを効率的に処理できます。

モデル能力

ゼロショット画像分類
画像表現学習
テキスト表現学習

使用事例

画像分類
ゼロショット画像分類
特定のタスク訓練なしで画像を分類します。
マルチモーダルアプリケーション
画像検索
テキストクエリと組み合わせて関連画像を検索します。
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