# 零样本分类

基于OpenCLIP-ViT-L-14模型，引入测试时寄存器技术，提升模型可解释性和下游任务性能

这是一个用于零样本分类任务的transformers模型，可在无需大量标注数据的情况下对文本进行分类。

基于OpenCLIP-ViT-B-16架构的视觉语言模型，通过引入测试时寄存器优化内部表示，解决特征图伪影问题

基于CLIP架构微调的视觉语言模型，专门用于植物病害的零样本分类

基于Mistral架构优化的指令微调模型，适用于零样本分类任务

FG-CLIP是一种细粒度视觉与文本对齐模型，通过两阶段训练实现全局和区域级的图文对齐，提升细粒度视觉理解能力。

基于MoritzLaurer/deberta-v3-base-zeroshot-v2.0-c微调的零样本分类模型，采用NLI框架的SmartShot方法训练

基于roberta-base-zeroshot-v2.0-c微调的零样本分类模型，采用SmartShot方法和合成数据提升性能

该模型是通过ggml.ai的GGUF-my-repo空间，使用llama.cpp从BAAI/bge-reranker-v2-m3转换而来的GGUF格式模型，主要用于文本分类任务。

基于 mDeBERTa-v3 微调的情感检测模型，支持印尼语和英语的情绪分类

基于openai/clip-vit-large-patch14微调的视觉语言模型，经过10个epoch的训练

Git-RSCLIP是基于Git-10M数据集预训练的视觉-语言模型，专注于遥感图像的多模态理解。

Marqo-FashionSigLIP 是一款多模态嵌入模型，专为时尚产品搜索优化，相比 FashionCLIP 在 MRR 和召回率上提升了57%。

基于facebook/drama-large在XNLI和ANLI数据集上微调的零样本分类模型，支持15种语言的自然语言推理任务。

这是一个预训练的后门注入模型，用于研究对比语言图像预训练中的后门样本检测。

该模型是基于Alibaba-NLP/gte-multilingual-base在XNLI和ANLI数据集上微调的版本，支持多语言自然语言推理任务。

该模型是基于Alibaba-NLP/gte-multilingual-base在XNLI数据集上微调的版本，支持多语言自然语言推理任务。

基于CLIP模型微调的乐高积木图像-文本匹配模型，专为识别乐高积木及其描述设计。

ConceptCLIP是一个通过医学概念增强的大规模视觉语言预训练模型，适用于多种医学影像模态，能在多种医学影像任务中实现稳健性能。

基于ModernBERT-large模型，通过多任务微调优化的自然语言推理模型，在零样本分类和NLI任务上表现优异。

基于ModernBERT-base微调的零样本分类器，高效快速且内存占用低，适用于多种文本分类任务。

基于ModernBERT-large微调的零样本分类器，高效快速且内存占用低，适用于多种文本分类任务。

基于OpenCLIP框架训练的日语CLIP模型，在14.5亿日文图文对数据集上训练，支持零样本图像分类和图文检索任务

基于ResNet50架构的CLIP模型图像编码器，具有64倍宽度扩展，使用全局平均池化(GAP)策略

基于CLIP框架的ResNet50x16变体模型，专注于图像特征提取

基于CLIP框架的ResNet50x4变体模型，专为图像特征提取设计

基于CLIP模型视觉编码器部分的ResNet50变体，通过全局平均池化(GAP)提取图像特征

基于ResNet50架构的CLIP风格图像编码器，使用CC12M数据集训练，通过全局平均池化(GAP)提取特征

基于CLIP架构的视觉变换器模型，专注于图像特征提取，由苹果公司发布。

基于ModernBERT-large微调的自然语言推理模型，专门用于零样本分类任务

基于CLIP架构的视觉Transformer模型，专注于图像特征提取

基于CLIP框架的ViT-Huge视觉编码器，使用laion2B数据集训练，支持图像特征提取

基于CLIP架构的视觉Transformer模型，专为图像特征提取设计，使用laion2B数据集训练

基于CLIP框架的ConvNeXt Base模型，使用LAION-Aesthetic数据集训练，适用于图像特征提取任务。

ModernBERT 是一个在多任务源的自然语言推理（NLI）任务上微调的模型，擅长零样本分类和长上下文推理。

日语CLIP模型，基于OpenCLIP框架训练，支持零样本图像分类任务

基于DeBERTa-v3-base微调的零样本文本分类模型，适用于标注数据稀缺的场景或快速原型开发。

GIT是一个基于Transformer的生成式图像转文本模型，能够将视觉内容转换为文本描述。

AIMv2是一个采用多模态自回归目标预训练的视觉模型系列，在多项多模态理解基准测试中表现优异。

LLM2CLIP是一种利用大型语言模型（LLM）释放CLIP潜力的创新方法，通过对比学习框架提升文本判别性，突破原始CLIP文本编码器的限制。