AIbase
ZH
模型选型
标签
图像文本检索

# 图像文本检索

Siglip So400m Patch14 224
Apache-2.0
SigLIP是基于CLIP改进的多模态模型，采用更优的Sigmoid损失函数，在WebLi数据集上预训练完成，适用于零样本图像分类和图像-文本检索等任务。
文本生成图像 Transformers
S
google
6,654
53
Clip Japanese Base
Apache-2.0
由LY Corporation开发的日语CLIP模型，基于约10亿个网络收集的图像-文本对进行训练，适用于多种视觉任务。
文本生成图像 Transformers 日语
C
line-corporation
14.31k
22
Japanese Clip Vit B 32 Roberta Base
日语版本的CLIP模型，能够将日语文本和图像映射到相同的嵌入空间，适用于零样本图像分类、文本-图像检索等任务。
文本生成图像 Transformers 日语
J
recruit-jp
384
9
Clip Flant5 Xl
Apache-2.0
专为图像-文本检索任务微调的视觉-语言生成模型，基于google/flan-t5-xl改进
文本生成图像 Transformers 英语
C
zhiqiulin
13.44k
2
Clip Flant5 Xxl
Apache-2.0
基于google/flan-t5-xxl微调的视觉语言生成模型，专为图像文本检索任务设计
图像生成文本 Transformers 英语
C
zhiqiulin
86.23k
2
AIbase
智启未来，您的人工智能解决方案智库
English简体中文繁體中文にほんご
© 2025AIbase