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,能够理解图像和文本的关联性,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Vision Transformer的平衡架构,兼顾性能和效率
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
内容审核
违规内容识别
自动识别不符合社区标准的图像内容
电子商务
产品分类
根据产品描述自动分类产品图像
媒体分析
图像标注
为图像生成描述性标签
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文