AIbase
JA
ホーム
Vit Base Patch16 Siglip 256.webli
V

Vit Base Patch16 Siglip 256.webli

timmによって開発
SigLIPベースのViT-B-16画像エンコーダーモデルで、オリジナルアテンションプーリングを採用し、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#オリジナルアテンションプーリング#256解像度処理
ダウンロード数 269
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）を基にしたViT-B-16アーキテクチャの画像エンコーダーで、主に画像特徴抽出タスクに使用されます。

モデル特徴

SigLIP事前学習ベース
Sigmoid Lossを使用した言語-画像事前学習により、画像特徴抽出能力を最適化しています。
ViT-B-16アーキテクチャ
Vision Transformer Base 16アーキテクチャを使用し、強力な画像処理能力を備えています。
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、特徴抽出の効率と精度を向上させています。

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
画像分類
画像分類タスクに使用可能で、分類器用の画像特徴を抽出します。
画像検索
画像検索タスクに使用可能で、抽出した特徴を用いて類似画像を検索します。
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