Vit Huge Patch14 Clip 224.metaclip Altogether
ViT-Hugeアーキテクチャに基づくCLIPモデルで、ゼロショット画像分類タスクをサポート
ダウンロード数 171
リリース時間 : 12/23/2024
モデル概要
このモデルはOpenCLIPとtimmのデュアルユース視覚言語モデルで、ViT-Hugeアーキテクチャに基づき、MetaCLIPデータセットでトレーニングされ、ゼロショット画像分類タスクをサポートします。
モデル特徴
デュアルフレームワーク互換
OpenCLIPとtimmフレームワークの両方をサポート
ゼロショット能力
特定のトレーニングなしで画像分類タスクを実行可能
大規模事前学習
MetaCLIPデータセットでトレーニングされ、幅広い視覚概念理解能力を有する
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
クロスモーダル理解
使用事例
コンテンツ理解
画像自動タグ付け
未タグ付け画像に対して記述的なラベルを生成
数千の一般的な物体やシーンを認識可能
視覚検索
テキストベースの画像検索
自然言語クエリを使用して関連画像を検索
トレーニングなしでクロスモーダル検索を実現
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