sonoisa/clip-vit-b-32-japanese-v1

日本語版CLIPモデル

This is a CLIP text/image encoder model for Japanese.

英語版CLIPモデルのテキストエンコーダーを一種の蒸留を用いて日本語化したモデルです。 作り方や精度、使い方、サンプルコードは下記の解説記事をご参照ください。

• 解説記事:

  • 概要: 【日本語モデル付き】2022年にマルチモーダル処理をする人にお勧めしたい事前学習済みモデル
  • 使い方の解説: 【日本語CLIP】画像とテキストの類似度計算、画像やテキストの埋め込み計算、類似画像検索
  • (公開準備中) 応用解説: いらすとや画像のマルチモーダル検索（ゼロショット編）
  • (公開準備中) 応用解説: いらすとや画像のマルチモーダル検索（ファインチューニング編）
  • (公開準備中) 応用解説: 画像とテキストの両方を用いたマルチモーダル分類

• サンプルコードのリポジトリ: https://github.com/sonoisa/clip-japanese

• デモ:

  • いらすとや画像のマルチモーダル検索（ゼロショット）