# 開放詞彙識別

一個基於SigLIP架構的輕量級視覺語言模型，通過蒸餾技術從更大的SigLIP-400m模型中提取知識，適用於零樣本圖像分類任務。

LLMDet是基於大語言模型監督的強開放詞彙目標檢測器，CVPR2025亮點論文成果

LLMDet是一個基於大語言模型監督的開放詞彙目標檢測器，能夠實現零樣本目標檢測。

LLMDet是基於大語言模型監督的強開放詞彙目標檢測器，能夠實現零樣本目標檢測。

基於Qwen2.5-VL-3B-Instruct的零樣本目標檢測模型，通過VLM-R1強化學習增強，支持開放詞彙檢測任務。

YOLOE是一個即時視覺全能模型，結合了目標檢測和視覺理解能力，適用於多種視覺任務。

GenMedClip 是一個基於 open_clip 庫的零樣本圖像分類模型，專注於醫學圖像分析。

EVA02 CLIP 是一個基於 CLIP 架構的大規模視覺-語言模型，支持零樣本圖像分類等任務。

EVA CLIP模型是基於OpenCLIP和timm模型權重的視覺語言模型，支持零樣本圖像分類等任務。

EVA-CLIP是基於CLIP架構的大規模視覺-語言模型，支持零樣本圖像分類等任務。

基於ViT-Huge架構的CLIP模型，支持零樣本圖像分類任務

基於MetaCLIP-400M數據集訓練的雙框架兼容視覺模型，支持OpenCLIP和timm框架

OmDet-Turbo是基於即時Transformer的高效融合頭開放詞彙檢測模型，適用於零樣本目標檢測任務。

基於CLIP架構的醫學領域零樣本圖像分類模型

基於OpenCLIP庫的ResNet50x64架構的CLIP模型，支持零樣本圖像分類任務。

基於ResNet101架構的CLIP模型，支持零樣本圖像分類任務。

ViTamin-XL-384px 是一個基於 ViTamin 架構的大規模視覺語言模型，專為視覺語言任務設計，支持高分辨率圖像處理和多模態特徵提取。

OWLv2是一種零樣本文本條件目標檢測模型，可通過文本查詢檢測圖像中的對象。

OWLv2是一種零樣本文本條件目標檢測模型，可通過文本查詢在圖像中定位物體。

OWLv2是一種零樣本文本條件目標檢測模型，可通過文本查詢對圖像中的物體進行檢測和定位。

OWLv2是一個零樣本文本條件目標檢測模型，可通過文本查詢在圖像中檢測物體，無需特定類別的訓練數據。

OWLv2是一個零樣本文本條件目標檢測模型，可通過文本查詢在圖像中定位對象。

OWLv2是一個零樣本文本條件目標檢測模型，可通過文本查詢檢索圖像中的對象。

基於CLIP架構的視覺-語言模型，支持零樣本圖像分類和跨模態檢索

基於CLIP架構的零樣本圖像分類模型，支持通用池化功能

基於CLIP架構的視覺-語言模型，支持零樣本圖像分類任務

EVA02是一個基於CLIP架構的大規模視覺語言模型，支持零樣本圖像分類任務。

OWL-ViT是一個零樣本文本條件目標檢測模型，可通過文本查詢檢索圖像中的對象。

OWL-ViT是一個零樣本文本條件目標檢測模型，可通過文本查詢在圖像中檢測物體。

OWL-ViT是一個零樣本文本條件目標檢測模型，可以通過文本查詢搜索圖像中的對象，無需特定類別的訓練數據。

CLIP是由OpenAI開發的多模態模型，能夠理解圖像和文本之間的關係，支持零樣本圖像分類任務。