Openvision Vit Base Patch8 384
OpenVisionは完全にオープンソースでコスト効率の良い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向けに設計されています。
ダウンロード数 47
リリース時間 : 5/6/2025
モデル概要
OpenVisionは、効率的でオープンソースという特徴を持つマルチモーダル学習タスクをサポートするための一連の視覚エンコーダーを提供します。
モデル特徴
完全オープンソース
モデルのコードと重みが完全にオープンソース化されており、研究や商業利用が容易です。
コスト効率が良い
計算効率を重視した設計で、リソースが限られた環境に適しています。
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、視覚と他のモダリティの組み合わせをサポートします。
モデル能力
画像特徴抽出
マルチモーダル学習
使用事例
コンピュータビジョン
画像理解
分類や検出などの後続タスクのために画像特徴を抽出します。
マルチモーダルアプリケーション
視覚-言語モデル
視覚と言語情報を組み合わせ、画像キャプション生成などのタスクに使用します。
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