AIbase

C

CLIP ViT B 32 DataComp.M S128m B4k

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，使用DataComp.M数据集训练
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 212
发布时间 : 4/26/2023
模型介绍
内容详情
替代品

模型简介

该模型是基于CLIP架构的视觉-语言预训练模型，能够理解图像和文本的关联性，特别适用于零样本图像分类任务。

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
多模态理解
同时理解视觉和文本信息，建立跨模态关联
高效架构
基于ViT-B/32视觉变换器架构，平衡性能和效率

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

内容管理
自动图像标注
为未标注图像自动生成描述性标签
提高内容管理效率，减少人工标注成本
电子商务
产品分类
根据自然语言描述对产品图像进行分类
无需训练数据即可实现新产品分类