Image Caption Using ViT GPT2
I
Image Caption Using ViT GPT2
由Ayansk11開發
這是一個基於Vision Transformer(ViT)和GPT2架構的圖像描述生成模型,能夠為輸入圖像生成自然語言描述。
下載量 15
發布時間 : 10/20/2023
模型概述
該模型結合視覺編碼器和文本解碼器,實現從圖像到文本的轉換,適用於自動圖像標註、輔助視覺障礙人士等場景。
模型特點
視覺-語言聯合建模
結合視覺Transformer和語言模型,實現跨模態理解與生成
端到端訓練
整個模型可進行端到端訓練,優化圖像到文本的轉換效果
多場景適用
能夠處理多種場景的圖像描述生成任務
模型能力
圖像理解
自然語言生成
跨模態轉換
使用案例
輔助技術
視覺障礙輔助
為視覺障礙人士描述周圍環境
生成準確的環境描述
內容管理
自動圖像標註
為圖片庫自動生成描述標籤
提高圖片檢索效率
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98