vit_base_patch16_siglip_224.webliオープンソース画像符号化モデル

ホーム

Vit Base Patch16 Siglip 224.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メカニズムを採用

画像分類

Transformers

オープンソースライセンス:Apache-2.0 #SigLIP画像エンコーディング #オリジナルアテンションプーリング #ゼロショット視覚タスク

ダウンロード数 330

リリース時間 : 12/24/2024

モデル概要

このモデルはSigLIP（言語-画像事前学習のためのシグモイド損失）に基づく視覚Transformerアーキテクチャで、画像特徴抽出タスク専用です。標準的なViT-B-16構造を採用し、入力解像度は224x224ピクセルです。

モデル特徴

SigLIP事前学習

シグモイド損失関数を使用した言語-画像事前学習により、画像表現学習を最適化

純粋画像エンコーダー

画像エンコード部分のみを含み、視覚特徴抽出タスクに特化

オリジナルアテンションプーリング

追加パラメータを導入せず、オリジナルのアテンションメカニズムで特徴プーリングを維持

標準ViTアーキテクチャ

広く検証済みのViT-B/16構造、16x16のパッチサイズ、224x224入力解像度

モデル能力

画像特徴抽出

視覚表現学習

画像分類

画像検索

使用事例

コンピュータビジョン

画像分類

特徴抽出器として画像分類タスクに使用

画像検索

類似性検索や検索システムのための画像特徴を抽出

マルチモーダルシステム

マルチモーダル（画像-テキスト）システムの視覚エンコーダーとして使用

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

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。

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

uer

2,694

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

Vit Base Patch16 Siglip 224.webli

モデル概要

モデル特徴

モデル能力

使用事例

🚀 vit_base_patch16_siglip_224.webli

🚀 クイックスタート

📄 ライセンス