# マスク画像モデリング

マスク画像モデリング(MIM)で事前学習されたViT reg4画像エンコーダー。汎用特徴抽出や下流視覚タスクに適しています

Meissonicは非自己回帰型のマスク画像モデリングを用いたテキスト生成画像モデルで、高解像度画像を生成可能、コンシューマー向けGPUでの実行に最適化されています。

EVA02特徴/表現モデル、マスク画像モデリングによりImageNet-22kで事前学習され、画像分類と特徴抽出タスクに適しています。

EVA02特徴/表現モデル、マスク画像モデリングによりMerged-38Mデータセットで事前学習済み、画像分類と特徴抽出タスクに適しています。

EVA02ベーシック版視覚表現モデル、マスク画像モデリングによりImageNet-22kで事前学習済み、画像分類と特徴抽出タスクに適しています。

BEiTはビジュアルTransformer（ViT）に基づく自己監督学習モデルで、ImageNet - 21kデータセットで事前学習され、画像分類タスクに使用されます。

BEiTは視覚Transformer（ViT）ベースの画像分類モデルで、自己教師あり方式でImageNet-22kで事前学習され、同じデータセットでファインチューニングされています。