CLIP ViT L 14 CommonPool.XL.laion S13b B90k
C
CLIP ViT L 14 CommonPool.XL.laion S13b B90k
laionによって開発
CLIPアーキテクチャに基づく視覚-言語モデル、ゼロショット画像分類タスクをサポート、laionデータセットでトレーニング済み
ダウンロード数 176
リリース時間 : 4/26/2023
モデル概要
このモデルはCLIPアーキテクチャのバリエーションで、Vision Transformer (ViT)とテキストエンコーダーを組み合わせ、画像とテキスト間の関連性を理解でき、ゼロショット画像分類などのクロスモーダルタスクに適しています。
モデル特徴
ゼロショット学習能力
特定のタスクトレーニングなしで画像分類タスクを実行可能
クロスモーダル理解
視覚情報とテキスト情報を同時に処理・理解可能
大規模事前学習
laion-s13B-b90K大規模データセットでトレーニング済み
モデル能力
画像分類
クロスモーダル検索
画像-テキストマッチング
使用事例
コンテンツ管理
自動画像タグ付け
ラベルなし画像に自動的に記述タグを生成
電子商取引
ビジュアル検索
テキストクエリで関連製品画像を検索
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