Vit So400m Patch16 Siglip 256.webli I18n
SigLIPベースの視覚Transformerモデルで、画像特徴抽出に特化し、オリジナルのアテンションプーリングメカニズムを採用しています。
ダウンロード数 15
リリース時間 : 12/24/2024
モデル概要
このモデルは、SigLIP(Sigmoid Loss for Language-Image Pre-training)手法で訓練された視覚Transformer(ViT)アーキテクチャの画像エンコーダで、多言語シナリオにおける画像特徴抽出タスクに適しています。
モデル特徴
SigLIPトレーニング手法
Sigmoid Lossを使用した言語-画像事前トレーニングにより、クロスモーダル表現学習を最適化します。
オリジナルアテンションプーリング
オリジナルのアテンションメカニズムを保持した特徴プーリングにより、特徴表現能力を強化します。
多言語サポート
国際化シナリオ向けに最適化され、多言語テキストと画像の関連学習をサポートします。
モデル能力
画像特徴抽出
クロスモーダル表現学習
多言語画像理解
使用事例
コンピュータビジョン
画像検索
高品質な画像特徴を抽出することで、精度の高い画像検索を実現します。
クロスモーダル検索の精度向上
多言語画像アノテーション
画像に対して多言語の説明やタグを生成します。
多言語環境での画像理解をサポート
クロスモーダルアプリケーション
画像テキストマッチング
画像とテキスト記述の関連性を判断します。
画像とテキストの関連分析の精度向上
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