C

Chinese Clip Vit Large Patch14

由 Xenova 开发
中文CLIP模型,基于Vision Transformer架构,支持图像与文本的跨模态理解与生成。
下载量 14
发布时间 : 12/13/2023
模型介绍
内容详情
替代品

模型简介

该模型是一个中文视觉-语言预训练模型,能够理解图像和文本之间的关系,支持图像分类、文本生成图像描述等跨模态任务。

模型特点

跨模态理解
能够同时处理图像和文本信息,理解两者之间的语义关联
中文优化
专门针对中文语言和场景进行优化训练
网页端部署
已转换为ONNX格式,支持通过Transformers.js在浏览器中运行

模型能力

图像特征提取
文本特征提取
图像-文本相似度计算
跨模态检索
图像描述生成

使用案例

电子商务
商品搜索
通过文字描述搜索相关商品图片
提高搜索准确性和用户体验
内容审核
图文一致性检查
检测图片内容与描述文字是否匹配
减少虚假或误导性内容