Openvision Vit Tiny Patch8 224
OpenVisionは完全オープンで高コストパフォーマンスな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。
ダウンロード数 123
リリース時間 : 5/6/2025
モデル概要
OpenVisionはオープン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高コストパフォーマンスなソリューションを提供することを目的としています。画像特徴抽出タスクをサポートし、様々な視覚およびクロスモーダルアプリケーションに適用できます。
モデル特徴
完全オープンアーキテクチャ
完全にオープンなアーキテクチャ設計を採用しており、コミュニティでの利用と改良が容易です
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需要を最適化しています
マルチモーダルサポート
マルチモーダル学習シナリオ向けに設計されており、視覚と言語の共同表現をサポートします
モデル能力
画像特徴抽出
クロスモーダル表現学習
視覚-言語アラインメント
使用事例
コンピュータビジョン
画像検索
抽出した画像特徴を使用して効率的な類似画像検索を実行
視覚的質問応答
視覚的質問応答システムに画像特徴表現を提供
マルチモーダルアプリケーション
画像とテキストのマッチング
画像とテキストの共同表現空間を学習
クロスモーダル検索
画像からテキスト、またはテキストから画像へのクロスモーダル検索をサポート
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