基于ViLT架构的视觉语言模型,在特定任务上进行了微调
下载量 35
发布时间 : 12/1/2023
模型简介
该模型是基于ViLT架构的视觉语言模型,经过微调用于处理视觉语言任务。虽然评估指标显示性能不佳,但可能针对特定场景进行了优化。
模型特点
视觉语言联合建模
能够同时处理图像和文本输入,理解两者之间的关系
基于Transformer架构
采用先进的Transformer架构进行特征提取和表示学习
轻量化设计
B32版本表明可能是平衡性能和效率的轻量级模型
模型能力
图像文本匹配
视觉问答
图文关系理解
多模态特征提取
使用案例
内容理解
社交媒体内容分析
分析社交媒体中的图文内容及其关系
电子商务
商品图文匹配
验证商品图片与描述文本的一致性
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文