# 多模態檢索

FG-CLIP是一個細粒度視覺與文本對齊模型，通過兩階段訓練實現全局和區域級別的圖像-文本對齊。

Jina Embeddings v4 是一款專為多模態和多語言檢索設計的通用嵌入模型，特別適用於複雜文檔的檢索，包括包含圖表、表格和插圖的視覺豐富文檔。

這是一個基於OpenCLIP框架、在LAION-2B英語子集上訓練的視覺語言模型，擅長零樣本圖像分類和跨模態檢索任務。

基於OpenCLIP框架在LAION-2B英語數據集上訓練的視覺-語言模型，支持零樣本圖像分類和跨模態檢索

基於CLIP ViT-L/14微調的視覺語言模型，專為抽象圖像-文本檢索任務優化

基於DataComp 1B數據集預訓練的概率語言-圖像預訓練(ProLIP)ViT-B/16模型

Jina CLIP v2 是一個通用的多語言多模態嵌入模型，適用於文本和圖像，支持89種語言，具有更高的圖像分辨率和嵌套表示能力。

ColPali是基於PaliGemma-3B與ColBERT策略的視覺檢索模型，用於高效地從視覺特徵中索引文檔。

基於OpenCLIP庫的零樣本圖像分類模型，適用於專利圖像分析

基於OpenCLIP框架在LAION-2B數據集上訓練的CLIP ViT-B/32模型，支持零樣本圖像分類和跨模態檢索任務

基於OpenAI CLIP ViT-L/14的微調模型，通過幾何參數化(GmP)實現性能提升，特別優化了文本編碼能力

這是一個基於 DataComp-1B 數據集訓練的 CLIP ViT-B/32 模型，用於零樣本圖像分類和圖像文本檢索等任務。

這是一個基於DataComp-1B數據集訓練的CLIP ViT-B/32模型，使用OpenCLIP框架在256x256分辨率下完成訓練，主要用於零樣本圖像分類和圖文檢索任務。

基於CLIP-ViT-L/14在PMC-OA數據集上微調的視覺語言模型

這是一個基於 DataComp-1B 數據集訓練的 CLIP ViT-L/14 模型，支持零樣本圖像分類和圖像文本檢索任務。

這是一個使用OpenCLIP在DataComp-1B數據集上訓練的CLIP ViT-B/16模型，主要用於零樣本圖像分類和圖像文本檢索。

該模型是基於DataComp-1B數據集訓練的CLIP ViT-L/14模型，主要用於零樣本圖像分類和圖文檢索任務。

阿拉伯語CLIP是對比語言-圖像預訓練(CLIP)模型針對阿拉伯語的適配版本，能夠從圖像中學習概念並將其與阿拉伯語文本描述相關聯。

基於LAION-2B數據集訓練的CLIP ConvNeXt-XXLarge模型，採用OpenCLIP框架訓練，是首個非ViT圖像塔CLIP模型實現>79% ImageNet top-1零樣本準確率

基於ConvNeXt-Large架構的CLIP模型，在LAION-2B數據集上訓練，支持零樣本圖像分類和圖像文本檢索任務。

基於ConvNeXt-Large架構的CLIP模型，在LAION-2B數據集上訓練，支持零樣本圖像分類和圖像文本檢索任務

基於LAION-2B數據集訓練的大規模ConvNeXt-Large CLIP模型，支持零樣本圖像分類和圖文檢索任務

基於OpenCLIP框架在LAION-2B數據集上訓練的視覺-語言模型，支持零樣本圖像分類和跨模態檢索

基於ConvNeXt-Base架構的CLIP模型，使用OpenCLIP在LAION-5B子集上訓練，專注於零樣本圖像分類任務

基於ConvNeXt-Base架構的CLIP模型，在LAION-5B子集上訓練，適用於零樣本圖像分類和圖像文本檢索任務。

基於LAION-Aesthetic數據集訓練的ConvNeXt-Base架構CLIP模型，支持零樣本圖像分類和跨模態檢索任務

基於ConvNeXt-Base架構的CLIP模型，在LAION-5B子集上訓練，支持零樣本圖像分類和圖文檢索任務

基於OpenCLIP框架訓練的多模態視覺語言模型，在LAION-2B英語數據集上訓練完成，支持零樣本圖像分類任務

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。

基於OpenCLIP框架在LAION-2B英文數據集上訓練的視覺-語言模型，支持零樣本圖像分類和跨模態檢索任務

基於OpenCLIP框架在LAION-2B英語子集上訓練的視覺語言模型，支持零樣本圖像分類和圖文檢索

基於OpenCLIP框架在LAION-2B英語子集上訓練的視覺-語言模型，支持零樣本圖像分類和跨模態檢索