AIbase
TW
模型選型
標籤
ViT-GPT2架構

# ViT-GPT2架構

Vit Gpt2 Image Captioning
Apache-2.0
這是一個基於ViT和GPT2架構的圖像描述生成模型，能夠為輸入的圖像生成自然語言描述。
圖像生成文本
V
aryan083
31
0
Rgb Language Cap
Apache-2.0
這是一個基於COCO數據集訓練的視覺語言模型，能夠生成包含圖像實體間空間關係的描述文本。
圖像生成文本 Transformers 英語
R
voxreality
24
0
Rgb Language Cap
MIT
這是一個具備空間感知能力的視覺語言模型，能夠識別圖像中物體之間的空間關係並生成描述性文本。
圖像生成文本 Transformers 英語
R
sadassa17
15
0
Vit Gpt2 Verifycode Caption
Apache-2.0
基於60000張圖片訓練集微調的Vit-GPT2架構驗證碼識別模型，能夠準確識別圖像中的驗證碼文本。
圖像生成文本 Transformers
V
AIris-Channel
28
1
Image Caption Generator
基於Flickr8k數據集訓練的視覺語言模型，能夠為輸入圖像生成自然語言描述
圖像生成文本 Transformers
I
bipin
177
15
Image Captioning Portuguese
Apache-2.0
這是一個能夠將圖像轉換為葡萄牙語描述的模型，基於ViT和GPT2架構訓練。
圖像生成文本 其他
I
adalbertojunior
17
1
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