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
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