AIbase

C

CLIP ViT L 14 CommonPool.XL S13b B90k

由 laion 开发
基于CLIP架构的视觉-语言预训练模型，支持零样本图像分类和跨模态检索任务
文本生成图像
Safetensors
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 4,255
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系列的一个变体，使用ViT-L/14作为视觉编码器，在CommonPool.XL数据集上训练，具有强大的跨模态理解能力。

模型特点

零样本学习能力
无需特定任务微调即可执行图像分类任务
跨模态理解
能够理解图像和文本之间的语义关联
大规模预训练
在CommonPool.XL数据集（13B样本）上训练，具有广泛的知识覆盖

模型能力

零样本图像分类
图像-文本匹配
跨模态检索
多模态特征提取

使用案例

内容检索
基于文本的图像搜索
使用自然语言查询检索相关图像
可准确匹配图像内容和文本描述
自动标注
图像自动标注
为图像生成描述性标签
可生成与图像内容相关的语义标签