一款日语 CLIP 模型,将 Laion ViT‑B‑32 图像编码器与 rinna/japanese‑roberta‑base 结合,在 LAION2B‑multi 的日语子集上训练,用于零样本分类、检索和特征提取,遵循 CC‑BY‑4.0 许可。
其他语言的说明
统计
统计数据截至 2026年11月16日
Hugging Face 下载数(近 30 天)
1,000
Hugging Face 点赞数
9
收录日
2024年5月13日
同分类的热门资源
- clip-japanese-baseline-corporation34kLY Corporation的clip‑japanese‑base 是一个日语 CLIP 模型,在约10亿对图像‑文本对上训练,使用 Eva02‑B transformer 图像编码器和 12 层 BERT 文本编码器,在 STAIR 上实现 R@1 0.30,在 Recruit 上得到 0.89 的准确率,在 ImageNet‑1K 上得到 0.58 的准确率,并支持 zero‑shot 图像分类和检索。
- clip-japanese-base-v2line-corporation2k日本CLIP模型 clip‑japanese‑base‑v2,升级后约20亿图像‑文本对并采用蒸馏,配合 Eva02‑B 图像编码器和 12 层 BERT 文本编码器,将 ImageNet‑1k 准确率提升至 0.708,超过前代模型。
- sentence-bert-base-ja-mean-tokens-v2sonoisa53k一款在 cl‑tohoku/bert‑base‑japanese‑whole‑word‑masking 上使用 MultipleNegativesRankingLoss 细调的 Japanese Sentence‑BERT v2,较 v1 提升了约 1.5–2 %的准确率,并以 sonoisa/sentence‑bert‑base‑ja‑mean‑tokens‑v2 发布。
- japanese-clip-vit-b-16rinna40krinna/japanese-clip‑vit‑b‑16 是一个 Apache‑2.0 许可的日语 CLIP 模型,基于 ViT‑B/16,训练于 CC12M captions 翻译成日语,并于 2022 年 5 月 12 日发布。
- transformers-ud-japanese-electra-base-ginza-510megagonlabs22kja_ginza_electra 是一个 spaCy v3 Python 包,提供一个在 mC4 和 UD_Japanese_BCCWJ r2.8(基于 megagonlabs/transformers‑ud‑japanese‑electra‑base‑discrimininator)上微调的日语 ELECTRA 模型,并配有自定义 bunsetu‑phrase 检测功能,按 MIT license 分发。
- sentence-bert-base-ja-mean-tokenssonoisa14k用于生成句子嵌入的 Japanese Sentence‑BERT (v1) 模型,已提供改进版 v2,并通过 Hugging Face Transformers 以及自定义的 SentenceBertJapanese 类进行示例使用。
研究领域相近的资源
- ruri-v3-310mcl-nagoya634kRuri v3 是基于 ModernBERT‑Ja 的先进日语文本嵌入模型,支持多达 8,192 词元输入,100K 词元词汇表,FlashAttention 加速推理,并提供多种尺寸变体,便于快速使用 sentence‑transformer。共同: 嵌入、检索与 RAG・BERT 等预训练模型
lancedblancedb12k面向多模态 AI、对开发者友好的开源嵌入式检索库。搜索更多,管理更少。多语言共同: 嵌入、检索与 RAG・图像与多模态- ruri-v3-reranker-310mcl-nagoya137kRuri‑v3 Reranker 是一个基于 ModernBERT‑Ja 构建的稳健日语文本重排器,支持最高 8,192‑token 序列、100k‑token 词汇表、FlashAttention 以及 SentencePiece 分词器,并可通过 sentence‑transformers 使用。共同: 嵌入、检索与 RAG・BERT 等预训练模型
- ruri-v3-30mcl-nagoya126kRuri v3是一个最先进的日语文本嵌入模型,基于ModernBERT‑Ja构建,支持最多8,192个标记,拥有100 k词汇量,支持FlashAttention加速,并提供多种规模,从37 M到315 M参数。共同: 嵌入、检索与 RAG・BERT 等预训练模型
- ruri-v3-130mcl-nagoya93kRuri v3 是基于 ModernBERT‑Ja 的前沿日语文本嵌入模型,支持最多 8192 token 序列、100K token 词汇量、FlashAttention,并以 30 M 至 310 M 参数规模发布,供 sentence‑transformers 使用。共同: 嵌入、检索与 RAG・BERT 等预训练模型
lukestudio-ousia727LUKE -- 基于知识嵌入的语言理解GitHub共同: 嵌入、检索与 RAG・BERT 等预训练模型