V

Vit Base Patch16 Clip 224.metaclip 2pt5b

由timm開發
基於MetaCLIP-2.5B數據集訓練的雙框架兼容視覺模型,支持OpenCLIP和timm框架
下載量 889
發布時間 : 10/23/2024

模型概述

該模型是一個基於Vision Transformer架構的視覺模型,主要用於零樣本圖像分類任務,兼容OpenCLIP和timm兩種框架。

模型特點

雙框架兼容
同時支持OpenCLIP和timm框架,提供更靈活的使用方式
快速GELU激活
使用quickgelu激活函數,可能提供更快的訓練和推理速度
大規模預訓練
基於MetaCLIP-2.5B大規模數據集訓練,具有強大的泛化能力

模型能力

零樣本圖像分類
圖像特徵提取
跨模態理解

使用案例

計算機視覺
圖像分類
無需微調即可對新類別圖像進行分類
視覺搜索
基於文本描述搜索相關圖像
多模態應用
圖文匹配
評估圖像與文本描述的匹配程度
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase