EVA02オープンソース視覚言語モデル - 無料デプロイでゼロショット画像分類タスクをサポート

ホーム

Eva02 Large Patch14 Clip 224.merged2b S4b B131k

timmによって開発

EVA02はCLIPアーキテクチャに基づく大規模な視覚言語モデルで、ゼロショット画像分類タスクをサポートします。

画像分類

Safetensors

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ティブラーニング #大規模事前学習

ダウンロード数 5,696

リリース時間 : 4/10/2023

モデル概要

このモデルは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に特化しています。画像とテキストエンコーダの共同トレーニングにより、強力なクロスモーダル理解能力を実現しています。

モデル特徴

ゼロショット学習能力

特定のタスクトレーニングなしで画像分類タスクを実行可能

クロスモーダル理解

視覚情報とテキスト情報を同時に処理・理解可能

大規模事前学習

大規模データセットに基づく事前学習で、強力な汎化能力を有する

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

クロスモーダル検索

使用事例

コンピュータビジョン

画像分類

特定のカテゴリトレーニングなしで画像を分類

様々なベンチマークテストで良好な性能

コンテンツモデレーション

画像内の不適切なコンテンツを識別

電子商取引

製品分類

ECプラットフォーム上の製品画像を自動分類

Property	Details
Model Type	eva02_large_patch14_clip_224.merged2b_s4b_b131k
Tags	zero-shot-image-classification, clip

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

Eva02 Large Patch14 Clip 224.merged2b S4b B131k

モデル概要

モデル特徴

モデル能力

使用事例

🚀 eva02_large_patch14_clip_224.merged2b_s4b_b131k

📄 ライセンス