OmniVec
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- TensorTour
- Typ organizace
- Industry
- Země
- United States of America
- Publikováno
- 7 November 2023
- Autoři
- Siddharth Srivastava, Gaurav Sharma
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Multimodal, Vision, Speech, Language, Video, 3D modeling
- Úkol
- Image classification, Speech recognition (ASR)
- Základní model
- BERT-Large
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- tokens
- Epochy
- 2,000
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Closed — provider access only
- Přístup k modelu
- Unreleased
- Tréninkový kód
- Unreleased
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Proč je to sledováno
- SOTA improvement
- Záznam důvěry
- Unknown
- Citace
- 89
" We surpass the state of the art on iNaturalist with a top-1 accuracy of 93.8%, compared to InternImage’s 92.6%. On Places-365, we beat all competitors, achieving 61.6% accuracy versus InternImage’s 61.2%" "We observe that we outperform all the competing methods on Moments in Time dataset " "on the ESC50 dataset. OmniVec outperforms competing methods, achieving an accuracy of 98.4%, significantly higher than the Audio Spectrogram Transformer (AST) at 85.7%."
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- OmniVec: Learning robust representations with cross modal sharing
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
O tomto modelu
OmniVec byl zveřejněn TensorTour, v zemi zaznamenané jako United States of America, během November 2023. Vydavatelská organizace je kategorizována jako industry.
funguje v oblasti Multimodal, Vision, Speech, Language, Video, 3D modeling, a je zaznamenán jako vykonávající úkol image classification, Speech recognition (ASR).
Jeho výchozím bodem byl existující základní model, BERT-Large. To je obvyklý způsob, jak je specializovaný model vytvářen.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Jak bylo trénováno
Je sledováno v základním datasetu z jednoho konkrétního důvodu: sOTA improvement.
Odpovědi
OmniVec — běžné otázky
OmniVec— K čemu se to používá?
funguje v oblasti Multimodal, Vision, Speech, Language, Video, 3D modeling, a je zaznamenáno jako zpracovávající úkol image classification, Speech recognition (ASR). Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
OmniVec— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
OmniVec— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
OmniVec— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
OmniVec— Kdo to vytvořil?
Bylo to publikováno společností TensorTour, zakládající se na United States of America, organizace zařazená jako industry.
OmniVec— Kdy byl vydán?
Bylo to zveřejněno v November 2023. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.