V

Vit B 16 Aion400m E32 1finetuned 1

Albe-njuptによって開発
OpenCLIPフレームワークに基づくVision Transformerモデルで、ゼロショット画像分類タスク向けにファインチューニングされています
ダウンロード数 18
リリース時間 : 3/4/2024

モデル概要

このモデルはVision Transformer (ViT)アーキテクチャに基づく視覚言語モデルで、AION-400Mデータセットを使用してトレーニングおよびファインチューニングされており、ゼロショット画像分類タスクに優れています。

モデル特徴

ゼロショット学習能力
特定のカテゴリのトレーニングなしで新しいカテゴリの画像分類が可能
大規模事前学習
AION-400M大規模データセットに基づく事前学習とファインチューニング
視覚言語アライメント
対照学習による画像とテキスト特徴の共同埋め込みを実現

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

使用事例

コンテンツ分類
ソーシャルメディアコンテンツ自動タグ付け
アップロードされた画像に関連タグを自動的に追加
コンテンツ分類効率の向上、手動ラベリングコストの削減
電子商取引
商品画像自動分類
商品画像に基づいて適切なカテゴリに自動分類
商品登録効率の向上、検索体験の最適化
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
© 2025AIbase