AIbase

C

CLIP ViT B 32 Laion2b E16

由 justram 开发
基于OpenCLIP实现的视觉-语言预训练模型，支持零样本图像分类任务
文本生成图像
Safetensors
开源协议:MIT#零样本图像分类#多模态对比学习#大规模预训练
下载量 89
发布时间 : 5/17/2023
模型介绍
内容详情
替代品

模型简介

该模型是CLIP架构的一个实现，结合视觉Transformer(ViT)和文本编码器，能够理解图像和文本的关联性，适用于零样本图像分类等跨模态任务

模型特点

零样本学习能力
无需特定任务的微调即可执行图像分类任务
跨模态理解
能够同时处理和理解视觉和文本信息
大规模预训练
在laion2B数据集上进行预训练，具有强大的泛化能力

模型能力

零样本图像分类
图像-文本匹配
跨模态检索

使用案例

内容审核
违规内容检测
自动识别图像中可能存在的违规内容
电子商务
产品分类
根据产品描述自动分类产品图像
媒体分析
图像标注
为图像生成描述性标签