AIbase
JA
ホーム
Openvision Vit Large Patch14 84
O

Openvision Vit Large Patch14 84

UCSC-VLAAによって開発
OpenVisionは完全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タスクに焦点を当てています。
画像分類
Transformers
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#コストパフォーマンスの高いモデル#オープンソース視覚Transformer
ダウンロード数 21
リリース時間 : 5/6/2025

モデル概要

OpenVision ViTモデルはVision Transformerアーキテクチャに基づく視覚エンコーダーで、マルチモーダル学習に効率的でオープンな視覚特徴抽出ソリューションを提供することを目的としています。

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で、研究者や開発者が自由に使用・改変できます。
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、デプロイコストを削減しています。
マルチモーダルサポート
マルチモーダル学習タスク向けに設計されており、他のモーダルモデルとシームレスに統合できます。

モデル能力

画像特徴抽出
マルチモーダル学習
視覚コンテンツ理解

使用事例

コンピュータビジョン
画像分類
OpenVisionを使用して画像特徴を抽出し、下流の分類タスクに利用します。
視覚的質問応答
マルチモーダル質問応答システムで視覚エンコーダーとして使用します。
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
画像テキスト検索システムでの視覚特徴抽出に使用します。
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