CLIP-ViT-B-16-CommonPool.L.clip-s1B-b8Kオープンソースモデル - ゼロショット画像分類タスクをサポート

ホーム

CLIP ViT B 16 CommonPool.L.clip S1b B8k

laionによって開発

CLIPアーキテクチャに基づく視覚-言語モデルで、ゼロショット画像分類タスクをサポート

テキスト生成画像オープンソースライセンス:MIT #ゼロショット画像分類 #マルチモーダルコントラスト学習 #大規模事前学習

ダウンロード数 138

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、ViT-B-16視覚エンコーダーとテキストエンコーダーを組み合わせ、大量の画像-テキストペアでコントラスト学習により訓練され、ゼロショット画像分類とクロスモーダル検索を実現可能。

モデル特徴

ゼロショット学習能力

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可能

クロスモーダル理解

視覚コンテンツと自然言語記述を関連付け可能

大規模事前学習

数十億の画像-テキストペアで訓練され、広範な概念カバレッジを有する

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

視覚概念理解

使用事例

コンテンツモデレーション

自動コンテンツ分類

テキスト記述に基づき画像コンテンツを自動分類

特定の訓練なしで多様なコンテンツカテゴリを識別可能

電子商取引

視覚検索

自然言語クエリで関連製品画像を検索

ユーザー体験とコンバージョン率を向上

メディア分析

画像タグ付け

画像の記述的タグを自動生成

手動タグ付けコストを削減

Property	Details
Model Type	zero-shot-image-classification
Library Name	open_clip
License	mit

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

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。

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

uer

2,694

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

CLIP ViT B 16 CommonPool.L.clip S1b B8k

モデル概要

モデル特徴

モデル能力

使用事例

🚀 CLIP-ViT-B-16-CommonPool.L.clip-s1B-b8K

📄 ライセンス