Salesforce/blip-image-captioning-base

El modelo BLIP-image-captioning-base es un modelo de generación de descripciones de imágenes (image captioning) basado en arquitectura de visión-lenguaje, que produce descripciones en inglés a partir de una imagen. Ha sido entrenado para la tarea de descripción de imágenes, ampliamente estudiada en investigación de visión-lenguaje.

Este modelo está alojado en la plataforma de Hugging Face, que actúa como repositorio y ecosistema para la distribución de modelos de inteligencia artificial preentrenados y listos para su uso en producción o investigación. En el contexto de la Cátedra, este modelo se incluye como una selección orientada a tareas de visión por computador, específicamente para la generación de descripciones accesibles (texto alternativo) de las imágenes de la plataforma, con un enfoque académico y experimental.

Puedes consultar el modelo desde este link: https://huggingface.co/Salesforce/blip-image-captioning-base