AIbase
JA
ホーム
Vit So400m Patch14 Siglip Gap 896.pali2 10b Pt
V

Vit So400m Patch14 Siglip Gap 896.pali2 10b Pt

timmによって開発
SigLIP画像エンコーダーに基づく視覚モデルで、グローバル平均プーリングを備えており、PaliGemma2モデルの一部です
テキスト生成画像
Transformers
オープンソースライセンス:Apache-2.0#SigLIP視覚エンコーディング#グローバルプーリング特徴抽出#マルチモーダル事前学習
ダウンロード数 57
リリース時間 : 12/26/2024

モデル概要

このモデルは画像特徴抽出に特化した視覚Transformerモデルで、SigLIP画像エンコーダーアーキテクチャを採用し、グローバル平均プーリング層を含んでいます。PaliGemma2プロジェクトの一部として、主に視覚言語タスクに使用されます。

モデル特徴

SigLIP画像エンコーダー
優れた画像特徴抽出能力を持つSigLIPアーキテクチャを採用した画像エンコーダー
グローバル平均プーリング
グローバル平均プーリング層を含み、グローバルな画像特徴の抽出に役立ちます
大規模モデル互換性
PaliGemma2プロジェクトの一部として、大規模言語モデルと連携して使用可能

モデル能力

画像特徴抽出
視覚表現学習

使用事例

マルチモーダルアプリケーション
画像キャプション生成
言語モデルと組み合わせて使用し、画像の説明文を生成します
視覚的質問応答
画像内容に関する自然言語の質問に答えます
コンピュータビジョン
画像分類
分類タスクのために画像特徴を抽出します
物体検出
物体検出システムの特徴抽出器として使用されます
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
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
English简体中文繁體中文にほんご
© 2025AIbase