C

CLIP ViT B 32 CommonPool.M.image 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
下载量 73
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架构的一个变种,使用ViT-B-32作为视觉编码器,通过CommonPool.M数据集训练,支持图像与文本的跨模态理解,适用于零样本图像分类等任务。

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
能够同时理解图像和文本信息,建立两者之间的联系
高效视觉编码
使用ViT-B-32架构进行高效的图像特征提取

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
产品分类
根据产品描述自动分类商品图像