AIbase

多模态Transformer
My Model
MIT
GIT是一个基于Transformer的图像到文本生成模型，能够根据输入的图像生成描述性文本。
图像生成文本
PyTorch
支持多种语言
M
anoushhka
87
0
Spaceexploreai Small Base Regression 27M
Apache-2.0
基于深度学习的投资预测系统，采用Transformer架构，融合DeepSeep-V3和LLama3设计结构，用于股价走势预测和技术分析。
大型语言模型
支持多种语言
S
NEOAI
57
4
Microsoft Git Base
MIT
GIT是一个基于Transformer的生成式图像转文本模型，能够将视觉内容转换为文本描述。
图像生成文本
支持多种语言
M
seckmaster
18
0
Git Large Coco
MIT
GIT是一个基于Transformer的图像到文本生成模型，能够根据输入图像生成描述性文本。
图像生成文本
Transformers
支持多种语言
G
alexgk
25
0
Git Base Finetune
MIT
GIT是一个基于Transformer的生成式图像到文本模型，能够将视觉内容转换为描述性文本。
图像生成文本
Transformers
支持多种语言
G
wangjin2000
18
0
Textcaps Teste2
MIT
GIT是一个基于Transformer的图像到文本生成模型，通过大规模图像-文本对训练，能够执行图像字幕生成、视觉问答等任务。
图像生成文本
Transformers
支持多种语言
T
artificialguybr
26
3
Git Large R Textcaps
MIT
GIT是一种基于CLIP图像标记和文本标记的双条件Transformer解码器，用于图像描述生成和视觉问答等任务。
图像生成文本
Transformers
支持多种语言
G
microsoft
51
10
Git Large R Coco
MIT
GIT是一个基于Transformer的生成式图像到文本模型，能够根据图像生成描述性文本。
图像生成文本
Transformers
支持多种语言
G
microsoft
86
10
Git Large Vatex
MIT
GIT是一个基于CLIP图像标记和文本标记条件化的Transformer解码器，用于图像和视频描述生成、视觉问答等任务。
图像生成文本
Transformers
支持多种语言
G
microsoft
267
1
Git Large Textvqa
MIT
GIT是一个基于Transformer解码器的视觉语言模型，通过CLIP图像标记和文本标记双重条件化训练，专为TextVQA任务优化。
图像生成文本
Transformers
支持多种语言
G
microsoft
62
4
Git Large Vqav2
MIT
GIT是一种基于CLIP图像标记和文本标记的Transformer解码器，通过大量图像-文本对训练，适用于视觉问答等任务。
图像生成文本
Transformers
支持多种语言
G
microsoft
401
17
Git Large Textcaps
MIT
GIT是一种基于Transformer的双条件解码器模型，用于图像描述生成和视觉问答等任务。
图像生成文本
Transformers
支持多种语言
G
microsoft
1,749
28
Git Large Coco
MIT
GIT是一种基于Transformer解码器的视觉语言模型，能够生成图像描述并进行视觉问答
图像生成文本
Transformers
支持多种语言
G
microsoft
6,582
103
Git Base Vatex
MIT
GIT是一个基于Transformer的生成式图像到文本转换模型，基础版本在VATEX数据集上进行了微调，适用于图像和视频字幕生成等任务。
图像生成文本
Transformers
支持多种语言
G
microsoft
752
4
Git Large
MIT
GIT是基于CLIP图像标记和文本标记的双条件Transformer解码器，用于图像到文本的生成任务
图像生成文本
Transformers
支持多种语言
G
microsoft
1,404
15
Git Base Vqav2
MIT
GIT是一种基于Transformer解码器的视觉语言模型，通过CLIP图像标记和文本标记条件化训练，适用于图像描述生成、视觉问答等任务。
图像生成文本
Transformers
支持多种语言
G
microsoft
199
19
Git Base Textcaps
MIT
GIT是一个基于Transformer的生成式图像到文本模型，能够将视觉内容转换为描述性文本。
图像生成文本
Transformers
支持多种语言
G
microsoft
482
8
Git Base Coco
MIT
GIT是基于CLIP图像标记和文本标记的Transformer解码器，用于图像描述生成、视觉问答等任务。
图像生成文本
Transformers
支持多种语言
G
microsoft
5,461
19
S2t Small Mustc En Es St
MIT
一个用于端到端英语到西班牙语语音翻译的语音到文本转换器模型
语音识别
Transformers
支持多种语言
S
facebook
20
0
Vision Perceiver Conv
Apache-2.0
基于ImageNet预训练的通用视觉感知器模型，采用卷积预处理和Transformer架构，支持图像分类任务
图像分类
Transformers
V
deepmind
7,127
6