I

Instructcir Llava Phi35 Clip224 Lp

由 uta-smile 开发
InstructCIR是一个基于指令感知对比学习的组合式图像检索模型,采用ViT-L-224和Phi-3.5-Mini架构,专注于图像文本到文本生成任务。
下载量 15
发布时间 : 12/16/2024
模型介绍
内容详情
替代品

模型简介

该模型通过指令感知对比学习实现组合式图像检索,能够根据文本指令检索相关图像,适用于多模态信息检索场景。

模型特点

指令感知对比学习
采用指令感知的对比学习方法,提升模型对复杂指令的理解能力
组合式图像检索
能够处理组合式查询,实现更精准的图像检索
多模态架构
结合视觉Transformer和语言模型,实现图像与文本的跨模态理解

模型能力

图像检索
文本生成
多模态理解
指令跟随

使用案例

电子商务
商品图像检索
根据用户描述检索相关商品图像
提升商品搜索准确率
内容管理
媒体库检索
基于复杂描述检索媒体库中的图像
提高内容管理效率