CLIP ViT B 32 DataComp.S S13m B4k
基于CLIP架构的零样本图像分类模型,使用DataComp数据集训练,支持多种视觉任务。
Downloads 92
Release Time : 4/26/2023
Model Overview
该模型是基于CLIP架构的视觉-语言模型,能够进行零样本图像分类和跨模态检索任务。
Model Features
零样本学习能力
无需特定任务的微调即可执行新的视觉任务
跨模态理解
能够理解图像和文本之间的关联
高效视觉编码
使用Vision Transformer架构高效处理图像
Model Capabilities
零样本图像分类
图像-文本匹配
跨模态检索
视觉特征提取
Use Cases
内容检索
基于文本的图像搜索
使用自然语言描述检索相关图像
高精度的跨模态检索效果
自动标注
图像自动标注
为未标注图像生成描述性标签
减少人工标注工作量
Featured Recommended AI Models
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers Supports Multiple Languages

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers English

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 Chinese
R
uer
2,694
98