AIbase
JA
ホーム
Openvision Vit Tiny Patch16 160
O

Openvision Vit Tiny Patch16 160

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
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#オープンソース視覚モデル#コストパフォーマンスに優れる
ダウンロード数 30
リリース時間 : 5/6/2025

モデル概要

OpenVisionは、マルチモーダル学習向けの視覚エンコーダーファミリーで、効率的かつ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
モデルは完全にオープンで、研究や商業用途に便利です。
コストパフォーマンスに優れる
高性能を維持しながら、計算コストが低いです。
マルチモーダル学習
マルチモーダル学習をサポートし、視覚と言語の共同タスクを処理できます。

モデル能力

画像特徴抽出
マルチモーダル学習

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、分類タスクを行います。
物体検出
OpenVisionの特徴抽出能力を利用して物体検出を行います。
マルチモーダル学習
視覚的質問応答
テキストと画像特徴を組み合わせて視覚的質問応答タスクを行います。
画像キャプション生成
OpenVisionを使用して画像特徴を抽出し、自然言語の説明を生成します。
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