基于CLIP架构的视觉Transformer模型,专注于图像特征提取
下载量 502
发布时间 : 12/24/2024
模型简介
这是一个基于CLIP架构的视觉Transformer模型,专门用于图像特征提取任务。它采用了ViT-Large架构,能够处理224x224分辨率的输入图像。
模型特点
大规模预训练
在laion2B数据集上进行预训练,具有强大的图像理解能力
高分辨率处理
支持224x224分辨率的图像输入
Transformer架构
采用Vision Transformer架构,具有全局注意力机制
模型能力
图像特征提取
图像表示学习
视觉内容理解
使用案例
计算机视觉
图像检索
提取图像特征用于相似图像搜索
视觉内容分析
理解图像内容并提取语义特征
多模态应用
图文匹配
与文本编码器配合实现跨模态检索
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