Convnext Base.clip Laion2b
基於ConvNeXt架構的CLIP圖像編碼器,由LAION組織訓練,適用於多模態視覺-語言任務
下載量 297
發布時間 : 12/24/2024
模型概述
該模型是CLIP框架中的圖像編碼器部分,採用ConvNeXt_base架構,在LAION-2B數據集上訓練,能夠將圖像編碼為與文本對齊的嵌入向量
模型特點
ConvNeXt架構
採用現代卷積神經網絡架構ConvNeXt,結合了CNN和Transformer的優勢
大規模預訓練
在LAION-2B大規模數據集上訓練,具有強大的視覺表示能力
CLIP兼容
與CLIP框架兼容,可與其他CLIP文本編碼器配合使用
模型能力
圖像特徵提取
視覺-語言對齊
多模態嵌入生成
使用案例
計算機視覺
圖像檢索
通過文本查詢檢索相關圖像
零樣本分類
無需特定訓練即可對新類別進行分類
多模態應用
圖文匹配
判斷圖像與文本描述的匹配程度
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