AIbase
TW
模型選型
標籤
中文圖文檢索

# 中文圖文檢索

Chinese Clip Vit Large Patch14 336px
中文CLIP是基於約2億中文圖文對數據集的CLIP簡化實現，採用ViT-L/14@336px作為圖像編碼器，RoBERTa-wwm-base作為文本編碼器。
文本生成圖像 Transformers
C
OFA-Sys
713
23
Chinese Clip Vit Base Patch16
中文CLIP的基礎版本，採用ViT-B/16作為圖像編碼器，RoBERTa-wwm-base作為文本編碼器，在約2億中文圖文對的大規模數據集上訓練。
文本生成圖像 Transformers
C
OFA-Sys
49.02k
104
Taiyi CLIP RoBERTa 326M ViT H Chinese
Apache-2.0
首個開源的中文CLIP模型，基於1.23億圖文對進行預訓練，文本編碼器採用RoBERTa-large架構。
文本生成圖像 Transformers 中文
T
IDEA-CCNL
108
10
Taiyi CLIP Roberta Large 326M Chinese
Apache-2.0
首個開源的中文CLIP模型，基於1.23億圖文對預訓練，支持中文圖文特徵提取和零樣本分類
文本生成圖像 Transformers 中文
T
IDEA-CCNL
10.37k
39
Taiyi CLIP Roberta 102M Chinese
Apache-2.0
首個開源的中文CLIP模型，基於1.23億圖文對進行預訓練，文本編碼器採用RoBERTa-base架構。
文本生成圖像 Transformers 中文
T
IDEA-CCNL
558
51
Mengzi Oscar Base Retrieval
Apache-2.0
基於中文多模態預訓練模型Mengzi-Oscar在COCO-ir數據集上微調而成的中文圖文檢索模型
文本生成圖像 Transformers 中文
M
Langboat
17
3
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase