Style 250412.vit Base Patch16 Siglip 384.v2 Webli

🚀 timm/vit_base_patch16_siglip_384.v2_webli

このプロジェクトは、timmとtransformersを利用したモデルで、特定の画像前処理を行うことができます。

🚀 クイックスタート

このコードは、画像を前処理するためのものです。torchvision.transforms.v2を使用して、画像を特定のサイズにリサイズ、パディング、中央クロップし、データ型を変換します。

💻 使用例

基本的な使用法

import torchvision.transforms.v2 as T

image_size = 384
preprocessor = T.Compose(
    [
        T.Resize(
            size=None,
            max_size=image_size,
            interpolation=T.InterpolationMode.NEAREST,
        ),
        T.Pad(
            padding=image_size // 2,
            fill=0,  # black
        ),
        T.CenterCrop(
            size=(image_size, image_size),
        ),
        T.ToDtype(dtype=torch.float32, scale=True), # 0~255 -> 0~1
    ]
)

📄 ライセンス

このプロジェクトは、CC BY-NC 4.0ライセンスの下で提供されています。