Git Large Msrvtt Qa
GIT是一種基於CLIP圖像標記和文本標記的雙條件Transformer解碼器,專為MSRVTT-QA任務微調。
下載量 108
發布時間 : 1/2/2023
模型概述
GIT模型通過教師強制方式在大量圖像-文本對上訓練,能夠預測下一個文本標記,適用於圖像與視頻描述生成、視覺問答及圖像分類等任務。
模型特點
雙條件Transformer解碼器
結合CLIP圖像標記和文本標記,支持雙向注意力機制和因果注意力掩碼。
多任務適應性
適用於圖像與視頻描述生成、視覺問答及圖像分類等多種任務。
大規模預訓練
基於1000萬圖像-文本對訓練,並在MSRVTT-QA上微調。
模型能力
圖像描述生成
視頻描述生成
視覺問答
圖像分類
使用案例
視頻理解
視頻問答
基於視頻內容回答相關問題。
在MSRVTT-QA任務上表現優異。
圖像理解
圖像描述生成
為圖像生成自然語言描述。
圖像分類
通過生成文本類別對圖像進行分類。
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