AIbase

中文图文检索
Chinese Clip Vit Large Patch14 336px
中文CLIP是基于约2亿中文图文对数据集的CLIP简化实现，采用ViT-L/14@336px作为图像编码器，RoBERTa-wwm-base作为文本编码器。
文本生成图像
Transformers
C
OFA-Sys
713
23
Chinese Clip Vit Base Patch16
中文CLIP的基础版本，采用ViT-B/16作为图像编码器，RoBERTa-wwm-base作为文本编码器，在约2亿中文图文对的大规模数据集上训练。
文本生成图像
Transformers
C
OFA-Sys
49.02k
104
Taiyi CLIP RoBERTa 326M ViT H Chinese
Apache-2.0
首个开源的中文CLIP模型，基于1.23亿图文对进行预训练，文本编码器采用RoBERTa-large架构。
文本生成图像
Transformers
中文
T
IDEA-CCNL
108
10
Taiyi CLIP Roberta Large 326M Chinese
Apache-2.0
首个开源的中文CLIP模型，基于1.23亿图文对预训练，支持中文图文特征提取和零样本分类
文本生成图像
Transformers
中文
T
IDEA-CCNL
10.37k
39
Taiyi CLIP Roberta 102M Chinese
Apache-2.0
首个开源的中文CLIP模型，基于1.23亿图文对进行预训练，文本编码器采用RoBERTa-base架构。
文本生成图像
Transformers
中文
T
IDEA-CCNL
558
51
Mengzi Oscar Base Retrieval
Apache-2.0
基于中文多模态预训练模型Mengzi-Oscar在COCO-ir数据集上微调而成的中文图文检索模型
文本生成图像
Transformers
中文
M
Langboat
17
3