Longclip SAE ViT L 14
基於稀疏自編碼器(SAE)微調的Long-CLIP模型,支持長文本輸入,優化了文本-圖像對齊能力
下載量 290
發布時間 : 12/19/2024
模型概述
該模型是對Long-CLIP ViT-L/14的微調版本,通過稀疏自編碼器技術增強了處理長文本提示的能力,特別適合與騰訊混元視頻系統配合使用
模型特點
長文本支持
突破原始CLIP 77個token的限制,有效處理更長的文本輸入
稀疏自編碼器微調
通過SAE技術優化模型表示能力,提升文本-圖像對齊效果
騰訊混元視頻兼容
特別優化與HunyuanVideo系統的配合使用效果
對抗性訓練
基於對抗性排版攻擊數據集訓練,增強魯棒性
模型能力
長文本圖像生成引導
零樣本圖像分類
跨模態檢索
文本-圖像對齊
使用案例
創意內容生成
複雜場景圖像生成
根據包含多個細節的長文本提示生成對應圖像
可處理69個token的複雜場景描述
非典型概念可視化
將抽象或非常規概念轉化為視覺表現
保持優秀的一致性和提示跟隨能力
影視製作輔助
分鏡設計
根據詳細技術描述生成視覺參考
準確理解攝影參數和藝術風格
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