AIbase
JA
ホーム
CLIP SAE ViT L 14
C

CLIP SAE ViT L 14

zer0intによって開発
スパースオートエンコーダ（SAE）でファインチューニングされたCLIPモデルで、ゼロショット画像分類タスクで優れた性能を発揮し、特に敵対的タイポグラフィ攻撃の識別に優れています
テキスト生成画像
Transformers
オープンソースライセンス:MIT#ゼロショット画像分類#敵対的ロバスト性トレーニング#スパースオートエンコーダ最適化
ダウンロード数 32
リリース時間 : 12/8/2024

モデル概要

このモデルはOpenAI CLIP ViT-L/14のファインチューニング版で、スパースオートエンコーダ技術により敵対的ロバスト性を向上させ、ImageNet/ObjectNetなどのベンチマークテストでオリジナルモデルを上回る性能を示します

モデル特徴

敵対的ロバスト性強化
スパースオートエンコーダ技術により、敵対的タイポグラフィ攻撃に対する識別能力を向上
高性能
ImageNet/ObjectNetテストで89%の精度を達成し、オリジナルCLIPモデルの84.5%を上回る
Tencent Hunyuanビデオ適応
Tencent Hunyuanビデオフレームワークに特別に適応した最適な選択肢
線形探査タスクの優位性
CLIP_benchmarkの線形探査タスクで最高の性能を発揮

モデル能力

ゼロショット画像分類
敵対的サンプル識別
マルチモーダル理解
テキスト-画像マッチング

使用事例

コンテンツセキュリティ
敵対的タイポグラフィ攻撃検出
特殊なタイポグラフィ処理が施された敵対的画像を識別
白黒の猫/犬などの敵対的サンプルを正確に分類可能
ビデオ処理
Tencent Hunyuanビデオ統合
ビデオ理解モジュールの視覚エンコーダとして使用
専用ComfyUIノードと組み合わせて使用すると最高の効果を発揮
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