Vit Giantopt Patch16 Siglip 256.v2 Webli
SigLIP 2技術に基づく視覚Transformerモデル、画像特徴抽出に特化
ダウンロード数 59
リリース時間 : 2/21/2025
モデル概要
これはtimm向けに設計されたSigLIP 2 ViT(画像エンコーダーのみ)で、効率的な画像特徴抽出に使用されます。モデルはWebLIデータセットでトレーニングされ、強力な視覚表現能力を備えています。
モデル特徴
SigLIP 2技術
改良されたSigmoid損失関数を使用した事前トレーニングにより、意味理解と位置特定能力を強化
高密度特徴抽出
高品質な高密度画像特徴表現を生成可能
多言語視覚エンコーディング
多言語環境での視覚特徴抽出をサポート
モデル能力
画像特徴抽出
視覚的意味理解
画像位置分析
使用事例
コンピュータビジョン
画像検索
効率的な画像検索システムの構築に使用可能
高品質な特徴表現により検索精度が向上
視覚言語タスク
マルチモーダルタスクの視覚エンコーダーとして使用
強化された意味理解能力によりクロスモーダルタスクのパフォーマンスが向上
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98