模型简介
该模型是CLIP系列的一个变体,使用ViT-Large架构和336x336像素输入尺寸,能够理解图像内容并将其与文本描述关联
模型特点
大规模预训练
在大量图像-文本对上进行预训练,学习丰富的视觉概念表示
跨模态理解
能够同时处理和理解视觉和文本信息,实现图像与文本的语义对齐
零样本能力
无需特定任务微调即可执行多种视觉理解任务
模型能力
图像分类
图像-文本匹配
跨模态检索
视觉问答
图像描述生成
使用案例
内容检索
基于文本的图像搜索
使用自然语言描述查找相关图像
内容审核
违规内容检测
识别与特定文本描述不符的图像内容
辅助创作
图像标注
自动生成图像的文本描述
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