C

CLIP ViT B 32 CommonPool.M.basic 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 67
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
无需特定任务的训练数据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,建立两者间的关联
高效架构
基于ViT-B/32的视觉编码器,平衡性能和效率

模型能力

零样本图像分类
图像-文本匹配
多模态特征提取

使用案例

内容管理
自动图像标注
为未标记的图像自动生成描述性标签
提高图像检索和组织效率
电子商务
产品分类
根据产品图片自动分类到相应类别
减少人工分类工作量