mscoco_finetuned_CoCa-ViT-L-14-laion2B-s13B-b90k
Модель LAION на базе CoCa описывает изображения текстом и поддерживает классификацию по текстовым меткам без дообучения.
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Публичные оценки
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Что умеет модель
Описание составлено по карточке модели и метаданным Hugging Face
laion/mscoco_finetuned_CoCa-ViT-L-14-laion2B-s13B-b90k — модель LAION, основанная на архитектуре CoCa с визуальным энкодером ViT-L/14 и дообученная на MS COCO. Она предназначена для создания текстовых описаний изображений, а также может использоваться для классификации изображений без дообучения по текстовым меткам. Конфигурация задаёт размер изображения 224 пикселя и длину текстового контекста 76 токенов; модель доступна в формате safetensors и используется через OpenCLIP.
Вход — изображение, выход — текст или представления для сопоставления изображений и текста. Карточка не уточняет языковой охват и ограничения качества. Лицензия — MIT.
Сценарии применения
- создание подписей к изображениям
- генерация краткого описания фотографии
- классификация изображений по текстовым категориям без дообучения
Ограничения
Карточка модели не описывает точность и ограничения на разнообразных типах изображений; конфигурация задаёт размер изображения 224 пикселя и текстовый контекст 76 токенов.
Для каких профессий подходит5
Разделы каталога профессий, в задачах которых используется эта модель
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Автор не опубликовал карточку модели.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Модели OpenCLIP требуют отдельного рантайма.
- Ревизия весов
- f895105