V

Vit GPT2 Image Captioning

Developed by mo-thecreator
基於ViT-GPT2架構的圖像描述生成模型,能夠為輸入的圖像生成自然語言描述。
Downloads 17
Release Time : 9/30/2024

Model Overview

該模型結合了視覺Transformer(ViT)和GPT-2語言模型,用於圖像到文本的生成任務,能夠自動為圖像生成描述性文字。

Model Features

多模態架構
結合視覺Transformer處理圖像特徵和GPT-2生成自然語言描述
端到端訓練
整個模型可以端到端地進行訓練和微調
BLEU優化
在評估集上達到9.7054的BLEU分數

Model Capabilities

圖像理解
自然語言生成
圖像到文本轉換

Use Cases

輔助技術
視障人士輔助
為視障人士自動描述圖像內容
內容管理
圖像自動標註
為大量圖像自動生成描述性標籤
AIbase
Empowering the Future, Your AI Solution Knowledge Base
© 2025AIbase