C

Chinese Clip Vit Large Patch14

Xenovaによって開発
中国語CLIPモデル、Vision Transformerアーキテクチャに基づき、画像とテキストのクロスモーダル理解と生成をサポート。
ダウンロード数 14
リリース時間 : 12/13/2023

モデル概要

このモデルは中国語の視覚-言語事前学習モデルで、画像とテキストの関係を理解し、画像分類、テキストからの画像説明生成などのクロスモーダルタスクをサポートします。

モデル特徴

クロスモーダル理解
画像とテキスト情報を同時に処理し、両者の意味的関連性を理解可能
中国語最適化
中国語と言語シーンに特化して最適化訓練を実施
ウェブデプロイメント
ONNXフォーマットに変換済み、Transformers.jsを通じてブラウザで動作可能

モデル能力

画像特徴抽出
テキスト特徴抽出
画像-テキスト類似度計算
クロスモーダル検索
画像説明生成

使用事例

電子商取引
商品検索
テキスト記述を通じて関連商品画像を検索
検索精度とユーザー体験の向上
コンテンツ審査
画像とテキストの整合性チェック
画像内容と説明テキストが一致しているか検出
虚偽または誤解を招くコンテンツの削減
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
© 2025AIbase