跨模态检索8 / 20 个项目

🏄 使用 CLIP 对图像和句子进行可扩展的嵌入、推理和排序

:bouncing_ball_person: Pytorch ReID：一个轻量、友好、强大的行人重识别/车辆重识别基线 PyTorch 实现。教程 👉https://github.com/layumi/Person_reID_baseline_pytorch/tree/master/tutorial

SOTA行人重识别方法与工具箱

:couple: 用于行人重识别的联合判别和生成学习。CVPR'19 (口头报告) :couple:

袖珍多模态 AI，用于跨多语言文本、图像和即将推出的视频的内容理解与生成，速度比 OpenAI CLIP 和 LLaVA 快 5 倍。

X-modaler是一个通用且高性能的跨模态分析代码库（例如，图像描述、视频描述、视觉语言预训练、视觉问答、视觉常识推理和跨模态检索）。

ACG2vec（动漫漫画游戏向量化）致力于打造结合ACG和深度学习的游乐场（文本语义检索、以图搜图、语义搜图、图片超分辨率、推荐系统）

为电商领域微调的最先进嵌入模型。与 ViT-B-16-SigLIP 相比，评估指标提升 67%。