My Model
模型概述
GIT(GenerativeImage2Text的縮寫)是一個基於CLIP圖像標記和文本標記的雙條件Transformer解碼器。模型通過教師強制方式在大量圖像-文本對上訓練,能夠執行圖像描述生成、視覺問答等任務。
模型特點
雙條件Transformer架構
同時處理圖像標記和文本標記,實現圖像到文本的生成
多任務能力
支持圖像描述生成、視覺問答和圖像分類等多種視覺語言任務
大規模預訓練
基於1000萬圖像-文本對進行預訓練,並在COCO數據集上微調
模型能力
圖像描述生成
視覺問答(VQA)
圖像分類
視頻描述生成
使用案例
內容生成
自動圖像標註
為圖像生成描述性文本
可用於社交媒體內容管理或無障礙訪問
智能問答
視覺問答系統
回答關於圖像內容的自然語言問題
可用於教育或客服場景
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