AIbase
JA
ホーム
Openvision Vit Large Patch14 224
O

Openvision Vit Large Patch14 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#オープンソース事前学習モデル#ゼロショット画像分類
ダウンロード数 308
リリース時間 : 5/6/2025

モデル概要

OpenVisionは、画像特徴抽出やクロスモーダル理解などのマルチモーダル学習タスクをサポートするために設計された、一連の効率的な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
モデルの重みとコードが完全にオープンであり、研究や応用が容易です。
高コストパフォーマンス
高性能を維持しながら、計算リソースの使用を最適化しています。
マルチモーダルサポート
視覚と言語のクロスモーダル学習タスクをサポートします。

モデル能力

画像特徴抽出
クロスモーダル理解
マルチモーダル学習

使用事例

コンピュータビジョン
画像検索
抽出した画像特徴を利用して効率的な画像検索を行います。
視覚的質問応答
テキストと画像特徴を組み合わせて質問応答タスクを行います。
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
画像とテキスト間の関連性を評価します。
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