AIbase
JA
ホーム
Cultureclip
C

Cultureclip

lukahhによって開発
CLIP-ViT-B/32をファインチューニングした視覚言語モデルで、画像-テキストマッチングタスクに適しています
テキスト生成画像
Transformers
#CLIPファインチューニングモデル#マルチモーダルアライメント#ゼロショット転移
ダウンロード数 20
リリース時間 : 5/10/2025

モデル概要

このモデルはopenai/clip-vit-base-patch32をベースにファインチューニングしたバージョンで、主に画像とテキストの関連付けタスクに使用されます

モデル特徴

視覚言語共同訓練
CLIPアーキテクチャを採用し、視覚とテキスト入力を同時に処理します
ファインチューニング最適化
特定のデータセットでファインチューニングを行い、特定領域のパフォーマンス向上が期待できます

モデル能力

画像-テキストマッチング
クロスモーダル検索
視覚コンテンツ理解

使用事例

コンテンツ検索
画像検索
テキスト記述に基づいて関連画像を検索
テキスト推薦
画像内容に基づいて関連テキスト記述を推薦
コンテンツ審査
画像テキスト整合性チェック
画像とテキスト記述が一致しているか検証
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