# 効率的な特徴抽出

SNAC 24kHz は、オーディオ信号処理タスクに適した特徴抽出用のモデルです。

このモデルはGGUF-my-repoを通じてBAAI/bge-m3から変換されたGGUF形式のモデルで、主に文類似度計算と特徴抽出に使用されます。

timmライブラリに基づいて構築された画像分類モデルで、zoobot-encoder-convnext_nanoをベースモデルとし、画像分類能力を備えています。

AIM-v2はtimmライブラリに基づく画像エンコーダーモ型で、画像特徴抽出タスクに適しています。

SigLIPベースの視覚Transformerモデル、画像エンコーダーのみを含み、グローバル平均プーリング戦略を採用

英語とロシア語に適したbge - m3モデルで、語彙表の精簡版です。英語とロシア語の語彙を保持し、語彙数は原版の21%に削減され、全体のモデルパラメータ数は原版の63.3%で、英語とロシア語の埋め込み品質に影響を与えません。

Hieraは効率的な階層型ビジョントランスフォーマーモデルで、画像・動画タスクにおいて優れた性能と高速処理を実現

Hieraは階層型視覚Transformerモデルで、高速で強力かつシンプルな特性を持ち、画像・動画タスクにおいて既存技術を凌駕しつつ高速に動作します。

Hieraは階層型ビジョントランスフォーマーモデルで、高速・強力・シンプルな特性を兼ね備え、幅広い画像・動画タスクにおいて既存技術を凌駕するとともに、実行速度を大幅に向上させます。

Hieraは階層型視覚Transformerモデルで、高速・強力・簡潔な特徴を持ち、画像・動画タスクで優れた性能を発揮します。

Hieraは階層型ビジョントランスフォーマーモデルで、高速性、強力な機能、ミニマリストな設計を兼ね備え、画像・動画タスクにおいて既存技術を大幅に上回る性能と計算効率を発揮

Hieraは階層型視覚Transformerモデルで、高速・強力かつ非常に簡潔な特徴を持ち、幅広い画像・動画タスクにおいて現行の最先端技術を凌駕するとともに、大幅な速度向上を実現しています。

EfficientNet-B0アーキテクチャに基づく画像特徴抽出モデル、主に天文学画像解析に使用

all-MiniLM-L6-v2はMiniLMアーキテクチャに基づく軽量な文埋め込みモデルで、英文テキストの特徴抽出や文類似度計算に適しています。

fastTextはオープンソースで無料の軽量なテキスト表現学習および分類ライブラリで、中国語の単語ベクトル訓練とテキスト分類タスクをサポートしています。

ImageNetteデータセットで事前学習されたCSP-Darknet-53 Mishアーキテクチャの画像分類モデル

英語コーパスで事前学習されたTransformerモデルで、ELECTRAのような自己教師あり方式で訓練されており、文の要約が必要なタスクに適しています。