AIbase

C

CLIP ViT B 32 CommonPool.S.laion 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 58
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ViT-B-32视觉编码器和文本编码器，通过对比学习在图像-文本对上进行训练，能够实现零样本图像分类和跨模态检索。

模型特点

零样本学习能力
无需特定任务的微调即可直接应用于新的图像分类任务
跨模态理解
能够同时理解视觉和文本信息，实现图像-文本匹配
高效架构
基于ViT-B-32视觉编码器，在性能和计算效率之间取得平衡

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

内容检索
图像搜索引擎
使用自然语言查询检索相关图像
无需预定义标签即可实现灵活搜索
自动标注
图像自动标注
为未标注图像生成描述性标签
减少人工标注工作量