AIbase
JA
ホーム
Clip Vit Large Patch14
C

Clip Vit Large Patch14

Xenovaによって開発
OpenAIがオープンソース化したCLIPモデルで、Vision Transformer (ViT) アーキテクチャに基づき、画像とテキストの共同理解をサポートします。
テキスト生成画像
Transformers
#マルチモーダル理解#ゼロショット分類#ウェブデプロイ
ダウンロード数 17.41k
リリース時間 : 9/1/2023

モデル概要

CLIP (Contrastive Language-Image Pretraining) はマルチモーダルモデルで、画像とテキストの関係を理解できます。対照学習によって訓練され、画像分類、画像検索、テキストから画像への検索などのタスクに使用できます。

モデル特徴

マルチモーダル理解
画像とテキスト情報を同時に処理・理解し、両者の関連性を構築できます。
ゼロショット学習
特定タスクのファインチューニングなしで、新しい視覚タスクを実行できます。
Web互換
ONNX形式で最適化され、ブラウザ環境での実行をサポートします。

モデル能力

画像分類
画像-テキストマッチング
テキストから画像への検索
ゼロショット画像認識

使用事例

コンテンツ検索
画像検索
テキスト記述に基づいて関連画像を検索します。
テキスト検索
画像内容に基づいて関連テキスト記述を検索します。
コンテンツ審査
違反コンテンツ検出
画像とテキストに違反コンテンツが含まれているかどうかを検出します。
創作支援
画像キャプション
画像のテキスト記述を自動生成します。
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