AIbase
JA
モデル選定
タグ
大規模視覚言語モデル

# 大規模視覚言語モデル

Vit So400m Patch14 Siglip Gap 896.pali2 3b Pt
Apache-2.0
SigLIP画像エンコーダーに基づく視覚モデルで、グローバル平均プーリングを採用し、PaliGemma2プロジェクトの一部です
テキスト生成画像 Transformers
V
timm
14
1
Tecoa4 Clip
MIT
TeCoAはOpenAI CLIPで初期化された視覚言語モデルで、教師あり対抗微調整によりロバスト性を向上
テキスト生成画像
T
chs20
51
1
CLIP Convnext Xxlarge Laion2b S34b B82k Augreg
MIT
LAION-2BデータセットでトレーニングされたCLIP ConvNeXt-XXLargeモデルで、OpenCLIPフレームワークで実装されており、ViTアーキテクチャ以外で初めて>79%のImageNetゼロショット精度を達成したCLIPモデル
テキスト生成画像
C
laion
6,616
9
CLIP Convnext Xxlarge Laion2b S34b B82k Augreg Rewind
MIT
LAION-2Bデータセットで訓練されたCLIP ConvNeXt-XXLargeモデルで、OpenCLIPフレームワークを使用し、ゼロショット画像分類タスクに焦点を当てています。
テキスト生成画像
C
laion
63
2
CLIP Convnext Xxlarge Laion2b S34b B82k Augreg Soup
MIT
LAION-2BデータセットでトレーニングされたCLIP ConvNeXt-XXLargeモデル。OpenCLIPフレームワークを使用し、非ViT画像タワーCLIPモデルとして初めて>79%のImageNet top-1ゼロショット精度を達成
テキスト生成画像
C
laion
9,412
22
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