C

CLIP ViT L Rho50 K1 Constrained FARE2

由LEAF-CLIP開發
基於openai/clip-vit-large-patch14微調的特徵提取模型,優化了圖像和文本編碼器
下載量 253
發布時間 : 4/16/2025

模型概述

這是一個基於CLIP架構的特徵提取模型,通過FARE和LEAF方法對圖像和文本編碼器進行了微調,適用於多模態特徵提取任務。

模型特點

對抗性微調
圖像編碼器使用FARE在ε=2/255下進行微調,增強了對抗性攻擊的魯棒性
語義約束微調
文本編碼器使用LEAF在k=1、ρ=50並帶有語義約束的條件下進行微調
多模態特徵提取
同時支持圖像和文本特徵提取,保持原始CLIP的多模態能力

模型能力

圖像特徵提取
文本特徵提取
多模態特徵對齊

使用案例

計算機視覺
圖像檢索
使用提取的圖像特徵進行相似圖像檢索
自然語言處理
跨模態檢索
實現文本到圖像或圖像到文本的跨模態檢索
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase