AIbase
JA
ホーム
Openvision Vit Base Patch16 224
O

Openvision Vit Base Patch16 224

UCSC-VLAAによって開発
OpenVisionは、完全にオープンでコストパフォーマンスに優れた先進的な視覚エンコーダーファミリーで、マルチモーダル学習に焦点を当てています。
マルチモーダル融合オープンソースライセンス:Apache-2.0#マルチモーダル視覚エンコーディング#オープンソースViTモデル#コストパフォーマンスに優れた視覚特徴抽出
ダウンロード数 79
リリース時間 : 5/7/2025

モデル概要

OpenVision ViTモデルは、効率的な画像特徴抽出を目的とした視覚Transformerモデルで、マルチモーダル学習タスクをサポートします。

モデル特徴

完全オープンアーキテクチャ
モデルは完全にオープンなアーキテクチャ設計を採用しており、研究や商業用途に便利です。
高コストパフォーマンス
高性能を維持しながら、計算リソースの使用を最適化し、コストパフォーマンスを向上させています。
マルチモーダルサポート
マルチモーダル学習向けに設計されており、視覚と言語を組み合わせた複雑なタスクを効果的に処理できます。

モデル能力

画像特徴抽出
マルチモーダル学習
視覚表現学習

使用事例

コンピュータビジョン
画像分類
抽出した画像特徴を使用して効率的に分類
クロスモーダル検索
画像とテキスト間のクロスモーダル検索を実現
マルチモーダルアプリケーション
視覚的質問応答
画像とテキスト情報を組み合わせて質問に回答
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