git-base-coco
应用于多任务的图像文本生成模型
GIT是一种基于Transformer的图像文本生成模型，进行了COCO数据集的微调。其设计提升了在图像和视频描述以及问答上的能力。模型结合了CLIP图像令牌与文本令牌进行训练，能够有效预测下一个文本令牌。GIT被应用于图像和视频的标题生成、视觉问答和图像分类等视觉任务，利用大量图像文本对进行训练，实现了多样化的视觉语言任务，提升了视觉理解和交互的效果。
项目介绍：git-base-coco
git-base-coco 是一个视觉到文本的生成模型，由微软开发团队首次发布，并在COCO数据集上进行了微调。它是由Wang等人在他们的论文《GIT: A Generative Image-to-text Transformer for Vision and Language》中引入的。该模型的基础是一个变压器解码器，依赖于图片和文本标记进行图像到文本的转换。
模型描述
GIT（GenerativeImage2Text）是一种基于变压器的生成模型，其特点是可以通过图像标记和文本标记进行训练。使用了"teacher forcing"方法来处理大量的（图像，文本）对，旨在预测下一个文本标记。模型采用双向注意力掩码访问图像小块的标记，但仅在预测下一个文本标记时，使用因果注意力掩码来访问之前的文本标记。这样的设计使得GIT模型适用于多种任务，包括：
- 图像和视频的描述生成
- 图像和视频的视觉问答（VQA）
- 图像分类（通过对图像进行条件处理并生成对应类别的文字）。
预期的用途与局限性
该模型可以直接用于图像描述生成。如果用户对其他任务感兴趣，可以在模型中心中寻找相应任务的微调版本。
模型使用
详细的代码示例可以参考 文档。
训练数据
根据论文显示，团队收集了8亿对图像文本信息进行预训练，这些数据集包括COCO、概念描述（CC3M）、SBU、视觉基因、概念描述（CC12M）、ALT200M以及其他类似方法收集的6亿对数据。
然而，git-base 是 GIT 小版本的一个检查点，它只在1000万对图像文本数据上进行训练，之后在 COCO 上进行了微调。
更多细节可以在论文的表11中找到。
预处理
关于训练期间的预处理细节，请参考原始仓库。在验证阶段，会对每张图像的短边进行缩放，然后中间裁剪到固定尺寸。接下来，对图像的RGB通道进行归一化，并使用 ImageNet 的平均值和标准差进行标准化。
评估结果
有关评估结果的详细信息，请查阅论文。
编辑推荐精选
Vora
免费创建高清无水印Sora视频
Vora是一个免费创建高清无水印Sora视频的AI工具
Refly.AI
最适合小白的AI自动化工作流平台
无需编码，轻松生成可复用、可变现的AI自动化工作流
酷表ChatExcel
大模型驱动的Excel数据处理工具
基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。
TRAE编程
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。
AIWritePaper论文写作
AI论文写作指导平台
AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。
博思AIPPT
AI一键生成PPT，就用博思AIPPT！
博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。
潮际好麦
AI赋能电商视觉革命，一站式智能商拍平台
潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。
iTerms
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。
SimilarWeb流量提升
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
Sora2视频免费生成
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
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
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