Мультимодальная CLIP ViT-L/14 от LAION сопоставляет изображения с английскими текстовыми метками для zero-shot классификации и поиска.
Подходит для: классификация изображений по текстовым описаниям без дообучения · поиск изображений по текстовому запросу · поиск подходящего текста для изображения