AIbase
JA
モデル選定
タグ
視覚-言語事前学習

# 視覚-言語事前学習

Blip Custom Captioning
Bsd-3-clause
BLIPは統一された視覚-言語事前学習フレームワークで、画像キャプション生成などの視覚-言語タスクに優れています
画像生成テキスト
B
hiteshsatwani
78
0
Vit So400m Patch14 Siglip 384.webli
Apache-2.0
SigLIPアーキテクチャに基づくVision Transformerモデル、画像エンコーダ部分のみを含み、生のアテンションプーリングメカニズムを採用
画像分類 Transformers
V
timm
9,429
0
Vit Base Patch16 Siglip 512.webli
Apache-2.0
SigLIPアーキテクチャに基づく視覚Transformerモデル、画像エンコーダ部分のみを含み、オリジナルのアテンションプーリングメカニズムを採用
画像分類 Transformers
V
timm
702
0
Image Caption Large Copy
Bsd-3-clause
BLIPは先進的な視覚-言語事前学習モデルで、画像キャプション生成タスクに優れており、ガイド付きアノテーション戦略によりウェブデータを効果的に活用
画像生成テキスト Transformers
I
Sof22
1,042
10
Blip Image Captioning Base Football Finetuned
Bsd-3-clause
COCOで事前学習され、サッカーデータセットでファインチューンされた視覚-言語モデルで、画像キャプション生成に優れています
画像生成テキスト Transformers
B
ybelkada
71
2
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