AIbase
EN
Home
Vit Large Patch14 Clip 224.datacompxl
V

Vit Large Patch14 Clip 224.datacompxl

Developed by timm
基於CLIP架構的視覺Transformer模型，專門用於圖像特徵提取，由LAION組織發佈。
圖像分類
Transformers
Open Source License:Apache-2.0#多模態預訓練#零樣本圖像分類#大規模視覺表徵
Downloads 14
Release Time : 12/24/2024

Model Overview

該模型是CLIP（Contrastive Language-Image Pretraining）的圖像編碼器部分，採用ViT-Large架構，通過大規模圖像-文本對訓練，能夠提取高質量的圖像特徵表示。

Model Features

大規模預訓練
使用DataComp XL數據集（s13B-b90K）進行預訓練，包含大規模圖像-文本對數據
高分辨率處理
支持224x224像素的輸入分辨率，能夠捕捉更精細的圖像特徵
對比學習框架
基於CLIP的對比學習框架訓練，學習圖像和文本的聯合表示空間

Model Capabilities

圖像特徵提取
圖像-文本對齊
零樣本圖像分類
圖像檢索

Use Cases

計算機視覺
零樣本圖像分類
無需特定訓練即可對圖像進行分類
在多個基準測試中表現優異
圖像檢索
基於文本查詢檢索相關圖像
能夠實現高質量的跨模態檢索
多模態應用
圖像標註
自動為圖像生成描述性文本
AIbase
Empowering the Future, Your AI Solution Knowledge Base
English简体中文繁體中文にほんご
© 2025AIbase