AIbase

C

CLIP ViT B 16 CommonPool.L 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 517
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，结合了视觉Transformer（ViT）和文本编码器，能够理解图像和文本之间的关联，适用于跨模态检索和零样本分类任务。

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
在大量图像-文本对上进行预训练，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

内容检索
基于文本的图像搜索
使用自然语言描述检索相关图像
智能分类
零样本图像分类
无需训练即可对新类别图像进行分类