AIbase

C

CLIP ViT B 16 CommonPool.L.clip S1b B8k

由 laion 开发
基于CLIP架构的视觉-语言模型，支持零样本图像分类任务
文本生成图像开源协议:MIT#零样本图像分类#多模态对比学习#大规模预训练
下载量 138
发布时间 : 4/26/2023
模型介绍
内容详情
替代品

模型简介

该模型是CLIP架构的一个变体，结合了ViT-B-16视觉编码器和文本编码器，通过对比学习在大量图像-文本对上进行训练，能够实现零样本图像分类和跨模态检索。

模型特点

零样本学习能力
无需特定任务的微调即可执行新的视觉任务
跨模态理解
能够关联视觉内容和自然语言描述
大规模预训练
在数十亿图像-文本对上训练，具有广泛的概念覆盖

模型能力

零样本图像分类
图像-文本匹配
跨模态检索
视觉概念理解

使用案例

内容审核
自动内容分类
根据文本描述自动分类图像内容
可识别多种内容类别而不需要特定训练
电子商务
视觉搜索
通过自然语言查询查找相关产品图像
提升用户体验和转化率
媒体分析
图像标注
自动生成图像的描述性标签
减少人工标注成本