AIbase

ViT-GPT2架构
Vit Gpt2 Image Captioning
Apache-2.0
这是一个基于ViT和GPT2架构的图像描述生成模型，能够为输入的图像生成自然语言描述。
图像生成文本
V
aryan083
31
0
Rgb Language Cap
Apache-2.0
这是一个基于COCO数据集训练的视觉语言模型，能够生成包含图像实体间空间关系的描述文本。
图像生成文本
Transformers
英语
R
voxreality
24
0
Rgb Language Cap
MIT
这是一个具备空间感知能力的视觉语言模型，能够识别图像中物体之间的空间关系并生成描述性文本。
图像生成文本
Transformers
英语
R
sadassa17
15
0
Vit Gpt2 Verifycode Caption
Apache-2.0
基于60000张图片训练集微调的Vit-GPT2架构验证码识别模型，能够准确识别图像中的验证码文本。
图像生成文本
Transformers
V
AIris-Channel
28
1
Image Caption Generator
基于Flickr8k数据集训练的视觉语言模型，能够为输入图像生成自然语言描述
图像生成文本
Transformers
I
bipin
177
15
Image Captioning Portuguese
Apache-2.0
这是一个能够将图像转换为葡萄牙语描述的模型，基于ViT和GPT2架构训练。
图像生成文本
其他
I
adalbertojunior
17
1