%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Vit Huge Patch14 Clip 224.laion2b
CLIPフレームワークに基づくViT-Huge視覚エンコーダ、laion2Bデータセットでトレーニング済み、画像特徴抽出をサポート
ダウンロード数 1,969
リリース時間 : 12/24/2024
モデル概要
これはVision Transformerアーキテクチャに基づく大規模な視覚エンコーダモデルで、画像から高レベルな特徴表現を抽出するために特別に設計されています。CLIPモデルの画像エンコーディング部分として、画像をテキストと整合した意味空間にマッピングできます。
モデル特徴
大規模事前学習
laion2B超大規模データセットを使用した事前学習、数十億の画像-テキストペアを含む
高解像度処理
224x224ピクセルの入力解像度をサポート、詳細な画像処理に適している
クロスモーダルアライメント
CLIPモデルの一部として、学習された特徴空間はテキスト意味空間と整合している
効率的なTransformerアーキテクチャ
Vision Transformerアーキテクチャを採用、強力なグローバルモデリング能力を有する
モデル能力
画像特徴抽出
視覚的意味理解
クロスモーダル表現学習
画像分類
画像検索
使用事例
コンピュータビジョン
ゼロショット画像分類
CLIPフレームワークを利用して特定のトレーニングなしで画像分類を実現
画像検索
意味的類似性に基づく画像検索システム
マルチモーダルアプリケーション
画像テキストマッチング
画像とテキスト記述が一致するかどうかを判断
視覚的質問応答
マルチモーダルシステムの視覚特徴抽出モジュールとして
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
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
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