
多模态模型CLIP ViT-B/16的零样本图像分类解析
CLIP ViT-B/16模采用DataComp-1B数据集训练,并结合OpenCLIP工具,旨在促进研究者对零样本图像分类的理解。该模型在ImageNet-1k数据集上实现了73.5%的零样本准确率,展示了其在多领域研究中的潜力和挑战。由于数据集仍未完全筛选,建议仅限于学术研究使用。
CLIP ViT-B-16-DataComp.XL-s13B-b90K 是一个基于 OpenCLIP 工具构建的模型,采用名为 DataComp-1B 的数据集进行训练,旨在实现零样本图片分类。在训练中使用了由 stability.ai 提供的计算资源。
这个模型的主要用途是面向研究社区的研究成果,希望能够帮助研究人员更好地理解和探索零样本的任意图像分类。同时,也可以用于跨学科研究,以评估这类模型带来的潜在影响。
注意,任何商业或非商业领域内部署模型的应用目前都不在推荐使用范围内。模型未经充分测试,安全性无法得到保证,故不建议在未严格限定的条件下部署使用。此外,涉及监控和面部识别的使用情境始终在禁用范围内。
模型训练使用的数据集为 DataComp-1B,收集了来自互联网的 14 亿条样本。由于数据集未经过筛选和整理,其中可能含有令用户不适的内容。因此,建议在研究目的下使用数据集,并在使用演示链接时格外注意。
训练详细过程请参考相关文献(https://arxiv.org/abs/2304.14108)。
在 LAION CLIP 基准数据集以及其他 38 个数据集上进行了评估。结果显示,模型在 ImageNet-1k 上的零样本 top-1 准确率达到 73.5%。
感谢 stability.ai 提供用于训练本模型的计算资源。
如需引用本项目及其相关软件,请参考以下 BibTeX 格式提供的参考文献。
欲开始使用该模型,请参考 GitHub 上的相关资源(https://github.com/mlfoundations/open_clip)。


企业专属的AI法律顾问
iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。


稳定高效的流量提升解决方案,助力品牌曝光
稳定高效的流量提升解决方案,助力品牌曝光


最新版Sora2模型免费使用,一键生成无水印视频
最新版Sora2模型免费使用,一键生成无水印视频


实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国 追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。


选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。


AI辅助编程,代码自动修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。


最强AI数据分析助手
小浣熊家族Raccoon,您的AI智能助手,致力于通过先进的人工智能技术,为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答,小浣熊都能以快速、准确的响应满足您的需 求,让您的生活更加智能便捷。


像人一样思考的AI智能体
imini 是一款超级AI智能体,能根据人类指令,自主思考、自主完成、并且交付结果的AI智能体。


AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。


一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作
最新AI工具、AI资讯
独家AI资源、AI项目落地

微信扫一扫关注公众号