AIbase
JA
ホーム
Vit So400m Patch14 Siglip Gap 384.webli
V

Vit So400m Patch14 Siglip Gap 384.webli

timmによって開発
SigLIPベースの視覚Transformerモデル、グローバル平均プーリングで画像特徴を処理
画像分類
Transformers
オープンソースライセンス:Apache-2.0#マルチモーダル画像符号化#ゼロショット画像分類#大規模事前学習
ダウンロード数 96
リリース時間 : 12/24/2024

モデル概要

このモデルは視覚Transformerアーキテクチャの画像エンコーダで、SigLIP手法で訓練され、主に画像特徴抽出タスクに使用されます。モデルは384x384解像度入力と14x14のパッチサイズを採用し、グローバル平均プーリング(GAP)で特徴を出力します。

モデル特徴

SigLIP訓練手法
SigLIP(Sigmoid Loss for Language-Image Pre-training)手法で訓練され、画像-テキスト整列能力を最適化
グローバル平均プーリング
モデル末端でグローバル平均プーリング層(GAP)を使用し、画像特徴を抽出、特徴表現を簡素化
高解像度処理
384x384ピクセルの入力解像度をサポート、高品質画像処理に適している

モデル能力

画像特徴抽出
視覚表現学習

使用事例

コンピュータビジョン
画像検索
類似画像検索のための画像特徴を抽出
視覚コンテンツ分析
画像内容を分析しコンパクトな特徴表現を生成
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