sonoisa/clip-vit-b-32-japanese-v1 · Hugging Face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:
