AIbase

C

CLIP ViT B 32 CommonPool.S.image 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 60
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，能够理解图像和文本之间的关联，适用于零样本图像分类等跨模态任务。

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
能够同时处理和理解视觉和文本信息
高效架构
基于ViT-B/32的视觉编码器，平衡了性能和计算效率

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
为未标注的图像自动生成描述性标签
提高图像数据库的组织和检索效率
电子商务
产品分类
根据自然语言描述对产品图像进行分类
无需为每个新产品类别训练专用模型