C

Convnext Base.clip Laion2b

由 timm 开发
基于ConvNeXt架构的CLIP图像编码器,由LAION组织训练,适用于多模态视觉-语言任务
下载量 297
发布时间 : 12/24/2024
模型介绍
内容详情
替代品

模型简介

该模型是CLIP框架中的图像编码器部分,采用ConvNeXt_base架构,在LAION-2B数据集上训练,能够将图像编码为与文本对齐的嵌入向量

模型特点

ConvNeXt架构
采用现代卷积神经网络架构ConvNeXt,结合了CNN和Transformer的优势
大规模预训练
在LAION-2B大规模数据集上训练,具有强大的视觉表示能力
CLIP兼容
与CLIP框架兼容,可与其他CLIP文本编码器配合使用

模型能力

图像特征提取
视觉-语言对齐
多模态嵌入生成

使用案例

计算机视觉
图像检索
通过文本查询检索相关图像
零样本分类
无需特定训练即可对新类别进行分类
多模态应用
图文匹配
判断图像与文本描述的匹配程度