AIbase
JA
ホーム
Vit Large Patch16 Siglip 384.webli
V

Vit Large Patch16 Siglip 384.webli

timmによって開発
SigLIPベースの視覚Transformerモデル、画像エンコーダーのみを含み、オリジナルアテンションプーリングを採用、画像特徴抽出タスクに適しています。
画像分類
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#大規模モデル画像特徴抽出#384高解像度処理
ダウンロード数 64
リリース時間 : 12/24/2024

モデル概要

このモデルは視覚Transformerモデルで、SigLIPアーキテクチャに基づき、画像特徴抽出専用に設計されています。パッチサイズ16、解像度384x384の入力に対応し、画像の高レベル特徴を効率的に抽出できます。

モデル特徴

SigLIPアーキテクチャ
SigLIPベースの視覚Transformerアーキテクチャで、画像特徴抽出の性能を最適化しています。
オリジナルアテンションプーリング
オリジナルアテンションプーリングメカニズムを採用し、画像のキーフィーチャー捕捉能力を強化しています。
高解像度サポート
384x384の高解像度入力をサポートし、ディテール豊富な画像処理に適しています。

モデル能力

画像特徴抽出
画像分類
視覚表現学習

使用事例

コンピュータビジョン
画像分類
画像分類タスクに使用され、画像特徴を抽出して分類します。
視覚検索
視覚検索システムに使用され、画像特徴を抽出して類似性マッチングを行います。
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