モデル選定

DINOv2事前学習

# DINOv2事前学習

Virchowは150万枚の全スライド組織病理学画像に基づく自己監督型ビジョントランスフォーマーの事前学習モデルで、スライドレベルの特徴抽出器として計算病理学の下流タスクに使用可能です。

Vit Small Patch14 Reg4 Dinov2.lvd142m

レジスタを備えた視覚Transformer（ViT）画像特徴モデルで、自己教師ありDINOv2手法を用いてLVD-142Mデータセットで事前学習されています。

Vit Large Patch14 Reg4 Dinov2.lvd142m

レジスタ付き視覚トランスフォーマー（ViT）画像特徴モデル、自己教師ありのDINOv2手法でLVD-142Mデータセット上で事前学習済み。

Vit Giant Patch14 Reg4 Dinov2.lvd142m

レジスタを備えた視覚Transformer（ViT）画像特徴モデルで、自己教師ありDINOv2手法を用いてLVD-142Mデータセットで事前学習されています。

Vit Base Patch14 Reg4 Dinov2.lvd142m

レジスタを備えた視覚トランスフォーマー（ViT）画像特徴モデルで、自己教師ありのDINOv2手法を用いてLVD-142Mデータセットで事前学習されています。

Vit Small Patch14 Dinov2.lvd142m

視覚Transformer（ViT）ベースの画像特徴モデル、自己教師ありDINOv2手法でLVD-142Mデータセット上で事前学習

Vit Large Patch14 Dinov2.lvd142m

視覚Transformer（ViT）ベースの自己教師あり画像特徴モデルで、DINOv2手法を用いてLVD-142Mデータセットで事前学習されており、画像分類や特徴抽出タスクに適しています。

Vit Giant Patch14 Dinov2.lvd142m

Vision Transformer(ViT)ベースの巨大画像特徴抽出モデル、自己教師ありDINOv2手法でLVD-142Mデータセット上で事前学習

Vit Base Patch14 Dinov2.lvd142m

Vision Transformer（ViT）ベースの画像特徴モデル、自己教師ありDINOv2手法でLVD-142Mデータセット上で事前学習済み

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

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

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

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