Clips от Desert Ant Labs отбирает и ранжирует неперекрывающиеся фрагменты разговорного видео и аудио по расшифровке для создания коротких клипов и подборок.

Подходит для: выбор ярких моментов из расшифровки подкаста · подготовка коротких клипов из интервью · создание подборки фрагментов из записи встречи

CLIP ViT-B/32 от OpenAI сопоставляет изображения с текстовыми метками для классификации без дообучения и исследований обобщения компьютерного зрения.

Подходит для: классификация изображений по заданным текстовым категориям · поиск подходящей подписи для изображения среди вариантов · исследование переноса на новые классы без дообучения

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

CLIP-модель ViT-B/16-plus, обученная на LAION-400M, сопоставляет изображения с текстовыми метками для классификации без дообучения.

Подходит для: классификация изображений по текстовым описаниям · поиск подходящей категории для изображения из списка вариантов · сортировка изображений по тематическим меткам

CLIP ViT-L/14 от OpenAI сопоставляет изображения с текстовыми категориями для исследовательской классификации изображений без дополнительного обучения.

Подходит для: классификация изображений по текстовым описаниям без дообучения · сравнение изображения с набором англоязычных категорий · исследование обобщения моделей компьютерного зрения

CLIP-модель ViT-B/32 для классификации изображений по текстовым меткам и сопоставления изображений с описаниями без дополнительного обучения.

Подходит для: классификация изображений по пользовательским текстовым меткам · поиск изображений по текстовым описаниям · сопоставление изображения с набором подписей или категорий

CLIP-модель ViT для классификации изображений по текстовым меткам без дообучения и поиска по сходству между изображениями и текстом.

Подходит для: классификация изображений по пользовательским текстовым меткам · поиск изображений по текстовому запросу · поиск описаний, соответствующих изображению

Мультимодальная CLIP-модель на ConvNeXt-XXLarge для zero-shot классификации и поиска изображений по англоязычному тексту.

Подходит для: классификация изображений по заданным текстовым категориям без дообучения · поиск изображений по текстовому запросу · поиск текстовых описаний, соответствующих изображению

X-CLIP — видео-языковая модель Microsoft для классификации роликов и поиска соответствий между видео и текстом.

Подходит для: классификация видео без дополнительного обучения по текстовым меткам · классификация роликов с несколькими примерами на класс · классификация видео на размеченных данных

CLIP ViT-B/16 от OpenAI сопоставляет изображения с текстовыми категориями для исследовательской классификации без дополнительного обучения.

Подходит для: экспериментальная классификация изображений по текстовым категориям · сопоставление изображения с набором описаний на английском языке · поиск изображений по текстовому запросу в ограниченном наборе

Базовая X-CLIP сопоставляет видео с текстом и поддерживает классификацию видео и поиск видео по тексту.

Подходит для: классификация видео по текстовым описаниям без дополнительного обучения · классификация видео с небольшим количеством размеченных примеров · классификация видео с учителем

Дообученная на SUN397 зрительная модель CLIP для извлечения признаков изображений и распознавания сцен.

Подходит для: извлечение признаков изображений для поиска по сценам · классификация изображений по категориям SUN397 · сравнение изображений с текстовыми категориями сцен

X-CLIP Large Patch14 — видеоязыковая модель Microsoft для классификации видео и поиска соответствий между видео и текстом.

Подходит для: классификация видео без дополнительного обучения · классификация видео по нескольким размеченным примерам · классификация видео с размеченным обучающим набором

CLIP-модель для исследовательской классификации изображений по произвольным текстовым категориям без дообучения.

Подходит для: исследование классификации изображений по текстовым меткам · сравнение обобщения CLIP на разных наборах категорий · анализ устойчивости компьютерного зрения

CLIP ViT-B/32 сопоставляет изображения с английскими текстовыми описаниями для классификации без обучения и поиска по содержанию.

Подходит для: классификация изображений по текстовым меткам без дообучения · поиск изображений по английскому запросу · поиск подходящих описаний для изображения

CLIP ViT-L/14, обученная на MetaCLIP-2.5B, сопоставляет изображения с текстовыми метками для классификации без дообучения.

Подходит для: классификация изображений по собственным текстовым категориям · поиск изображений по описаниям · сортировка фотографий по содержимому

Вариант CLIP с визуальным энкодером ViT-B/16 извлекает признаки изображений и поддерживает классификацию по текстовым описаниям без обучения на целевых классах.

Подходит для: извлечение признаков изображений для исследовательских экспериментов · классификация изображений по текстовым описаниям без обучения на классах · сопоставление изображений с текстовыми запросами

X-CLIP сопоставляет видео с текстовыми описаниями и поддерживает zero-shot классификацию и поиск видео по тексту.

Подходит для: классификация видео без обучения на целевых метках · классификация видео по нескольким примерам · классификация видео с учителем

CLIPSeg выделяет на изображениях области, соответствующие текстовому или визуальному запросу, для zero-shot и one-shot сегментации.

Подходит для: выделение объекта на изображении по текстовому описанию · создание маски объекта без обучения на целевом классе · поиск области изображения по визуальному примеру

CLIP-модель на базе ViT-H/14 для классификации изображений по текстовым меткам без дополнительного обучения.

Подходит для: классификация изображений по пользовательским категориям · поиск изображений по текстовым описаниям · автоматическая категоризация фотографий

CLIP ViT-H/14 сопоставляет изображения с текстовыми описаниями и выполняет классификацию изображений по заданным текстовым меткам без дообучения.

Подходит для: Классификация изображений по пользовательским текстовым меткам · Поиск изображений по текстовому запросу · Поиск текстовых описаний, соответствующих изображению

Дообученная на DTD модель CLIP ViT-Base/32 извлекает признаки изображений, в том числе для задач анализа текстур.

Подходит для: извлечение признаков изображений текстур · анализ изображений из набора DTD · подготовка векторов изображений для компьютерного зрения

Дообученная на RESISC45 cars модель CLIP извлекает признаки изображений для задач классификации автомобилей.

Подходит для: извлечение признаков изображений автомобилей · классификация автомобилей по изображениям · подготовка визуальных представлений для последующей классификации

CLIP ViT-L/14 от LAION сопоставляет изображения и текст для классификации без дообучения и мультимодального поиска.

Подходит для: классификация изображений по текстовым меткам без дообучения · поиск изображений по текстовому запросу · поиск текстовых описаний, соответствующих изображению