AIbase

C

CLIP ViT B 32 CommonPool.M.laion 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
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 65
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-B-32）和文本编码器，能够在没有特定任务训练的情况下进行图像分类。

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
大规模预训练
在laion-s128M-b4K数据集上进行预训练

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
为未标注的图像自动生成描述性标签
电子商务
产品图像搜索
通过自然语言查询搜索相关产品图像