AIbase

V

Vit Medium Patch32 Clip 224.tinyclip Laion400m

由 timm 开发
基于OpenCLIP库的视觉语言模型，支持零样本图像分类任务。
图像分类
Safetensors
开源协议:MIT#零样本图像分类#CLIP架构#多模态理解
下载量 110
发布时间 : 3/20/2024
模型介绍
内容详情
替代品

模型简介

该模型是一个基于Vision Transformer (ViT)架构的视觉语言模型，主要用于零样本图像分类任务。它结合了图像和文本的表示能力，能够在没有特定任务训练的情况下对图像进行分类。

模型特点

零样本学习
能够在没有特定任务训练的情况下对图像进行分类，适用于多种场景。
视觉语言联合表示
结合图像和文本的表示能力，提升模型的泛化能力。
基于ViT架构
使用Vision Transformer架构，能够高效处理图像数据。

模型能力

零样本图像分类
图像表示学习
文本表示学习

使用案例

图像分类
零样本图像分类
在没有特定任务训练的情况下，对图像进行分类。
多模态应用
图像检索
结合文本查询，检索相关图像。