CLIP Giga Config Fixed
LAION-2BデータセットでトレーニングされたCLIP大規模モデル、ViT-bigG-14アーキテクチャを採用、画像とテキストのクロスモーダル理解をサポート
ダウンロード数 109
リリース時間 : 6/28/2023
モデル概要
これは大規模な視覚-言語事前学習モデルで、画像とテキストを同じ意味空間にマッピングし、クロスモーダル検索と理解を実現
モデル特徴
大規模事前学習
39BトークンのLAION-2Bデータセットでトレーニング、強力なクロスモーダル理解能力を有する
効率的な視覚エンコーディング
ViT-bigG-14アーキテクチャを採用、高解像度画像入力を効率的に処理
ゼロショット転移能力
ファインチューニングなしで下流タスクに適用可能、画像テキスト検索やゼロショット分類など
モデル能力
画像テキスト類似度計算
クロスモーダル検索
ゼロショット画像分類
画像キャプション生成
テキスト誘導画像検索
使用事例
コンテンツ検索
EC製品検索
テキスト記述による関連製品画像の検索
検索精度とユーザー体験の向上
コンテンツ審査
違反コンテンツ検出
画像テキストマッチングによる違反コンテンツの検出
自動化されたコンテンツ審査プロセス
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