M BERT Base ViT B
基於BERT-base-multilingual微調的多語言CLIP文本編碼器,支持69種語言與CLIP視覺編碼器對齊
下載量 3,376
發布時間 : 3/2/2022
模型概述
該模型通過微調BERT-base-multilingual,將69種語言的文本嵌入空間與ViT-B/32視覺編碼器配套的CLIP文本編碼器對齊,實現多語言視覺-語言理解能力。
模型特點
多語言支持
支持69種語言的文本嵌入與CLIP視覺空間對齊
跨模態對齊
通過線性投影將多語言BERT嵌入映射到CLIP視覺編碼器的共享空間
翻譯數據增強
使用GCC+MSCOCO+VizWiz組合數據翻譯生成多語言訓練集
模型能力
多語言文本嵌入
跨模態檢索
圖像-文本匹配
多語言視覺語義理解
使用案例
跨模態檢索
多語言圖像搜索
使用不同語言查詢檢索相關圖像
多語言內容理解
多語言圖像標註
為圖像生成多種語言的描述文本
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