基于CLIP框架的ConvNeXt-Large图像编码器,使用LAION-2B数据集训练,支持视觉特征提取
下载量 107
发布时间 : 12/24/2024
模型简介
该模型是CLIP(Contrastive Language-Image Pretraining)框架中的图像编码器部分,采用ConvNeXt-Large架构,专门用于从图像中提取高级视觉特征。
模型特点
大规模预训练
使用LAION-2B大规模数据集进行预训练,具有强大的视觉特征提取能力
ConvNeXt架构
采用现代ConvNeXt架构,结合CNN和Transformer的优势
CLIP兼容
作为CLIP框架的图像编码器部分,可与文本编码器配合使用
模型能力
图像特征提取
视觉表示学习
图像-文本对齐
使用案例
计算机视觉
图像检索
基于视觉特征的相似图像搜索
视觉问答
作为多模态系统的视觉特征提取组件
多模态应用
图文匹配
计算图像与文本描述的相似度
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