高通发布面向骁龙设备优化的 OpenAI CLIP 模型
原标题：qualcomm/OpenAI-Clip
AI 摘要
高通在 Hugging Face 发布面向骁龙等高通设备优化的 OpenAI CLIP 模型（ViT-B/16，1.5 亿参数），提供 ONNX、QNN_DLC、TFLite 等多种预导出格式及 float、w8a16 精度版本。模型通过 Qualcomm AI Hub Models 库支持自定义导出，官方性能表显示其在多款骁龙与 Dragonwing 平台上以 NPU 推理，单次推理约 10-33 毫秒。此举降低了 CLIP 视觉-语言模型在端侧设备部署的门槛。
正文节选
--- library_name: pytorch license: mit tags: - foundation - android pipeline_tag: image-classification ---  # OpenAI-Clip: Optimized for Qualcomm Devices Contrastive Language-Image Pre-Training (CLIP) uses a ViT like transformer to get visual features and a causal language model to get the text features. Both the text and visual features can then be used for a variety of ze