AIbase

C

CLIP ViT B 32 CommonPool.S.clip S13m 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 68
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Vision 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
无需特定任务的微调即可执行图像分类任务
多模态理解
同时处理视觉和文本信息，建立跨模态关联
高效架构
基于Vision Transformer的轻量级设计，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
为无标签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
视觉搜索
通过自然语言描述查找相关产品图像
提升用户体验和转化率