# ViTアーキテクチャ

Vision Transformer (ViT)アーキテクチャを基にCIFAR-10データセットでファインチューニングされた画像分類モデル、精度99.2%達成

これはビジョントランスフォーマーに基づくモデルで、顔の肌タイプを5つのカテゴリに分類します。

この論文は、Vision Transformer (ViT) を画像セグメンテーションモデルとして再解釈する方法を提案し、ViTが画像セグメンテーションタスクで持つ可能性を示しています。

この論文は、Vision Transformer (ViT) を画像セグメンテーションモデルとして再解釈する方法を提案し、ViTが画像セグメンテーションタスクで持つ可能性を明らかにしました。

この論文は、Vision Transformer (ViT) に基づく画像セグメンテーションモデルを提案し、ViTが画像セグメンテーションタスクで持つ可能性を明らかにしました。

この論文は、Vision Transformer (ViT) を画像セグメンテーションモデルとして再解釈する方法を提案し、ViTが画像セグメンテーションタスクで持つ可能性を示しています。

このモデルは、Vision Transformer (ViT) が画像セグメンテーションタスクで持つ可能性を明らかにし、特定のアーキテクチャ調整によりセグメンテーションタスクに適応させています。

この論文は、Vision Transformer (ViT) を画像セグメンテーションモデルとして捉える新しい視点を提案し、画像セグメンテーションタスクにおける可能性を探求しています。

このモデルは、Vision Transformer (ViT) が画像セグメンテーションタスクにおいて持つ可能性を明らかにし、特定のアーキテクチャ調整によりセグメンテーションタスクに適応させています。

この論文は、Vision Transformer (ViT) を画像セグメンテーションモデルとして再解釈する方法を提案し、ViTが画像セグメンテーションタスクで持つ可能性を示しています。

このモデルはVision Transformer (ViT)のアーキテクチャを再考することで、画像セグメンテーションタスクにおけるその可能性を示しています。

Vision Transformer (ViT)アーキテクチャに基づく微調整モデルで、胸部X線画像の分類に使用され、CheXpertデータセットでトレーニングされています。

C-RADIOv2はNVIDIAが開発した視覚特徴抽出モデルで、複数のサイズバージョンを提供し、画像理解や高密度視覚タスクに適しています。

CLIPアーキテクチャに基づくVision Transformerモデル、Apple社が公開したDFN2B-CLIP画像エンコーダーの重み

日本語CLIPモデル、OpenCLIPフレームワークで訓練され、ゼロショット画像分類タスクをサポート

Vision Transformerアーキテクチャに基づく画像分類モデルで、ImageNet-21kデータセットで事前学習されており、多クラス画像分類タスクに適しています

Google Vision Transformer (ViT)アーキテクチャを基に微調整した植物識別モデルで、評価セットで80.96%の精度を達成

LAION-400Mデータセットで訓練されたVision Transformerモデル、ゼロショット画像分類タスクをサポート

LAION-2Bデータセットで訓練されたVision Transformerモデルで、ゼロショット画像分類タスクをサポート

LAION-400Mデータセットで訓練されたVision Transformerモデル、OpenCLIPとtimmのデュアルフレームワークに対応

ViTアーキテクチャに基づく顔面表情認識モデルで、imagefolderデータセットで微調整され、精度は91.77%に達しました

DUSt3Rは、画像から簡単に幾何学的3Dビジョンを実現するモデルで、単一または複数の画像から3Dシーンを再構築できます。

DUSt3Rは画像から3D幾何学モデルを生成するための深層学習モデルで、幾何学的3D視覚タスクを簡単に実現できます。

Vision Transformer(ViT)アーキテクチャを最適化した暴力行為検出モデルで、画像を暴力シーンか非暴力シーンかに分類できます。

DUSt3Rは、画像から簡単に幾何学的3Dビジョンを実現するモデルで、単一または複数の画像から3Dシーンを再構築できます。

キーポイント相対位置エンコーディングに基づく顔認識モデル、ViTアーキテクチャを採用しWebFace12Mデータセットで学習

ViTベースの顔表情認識モデルで、FER2013、MMI、AffectNetデータセットでファインチューニングされ、7つの基本感情を識別可能

GoogleのViTモデルを微調整した衣料品分類モデル、7種類の衣料品カテゴリの画像分類をサポート

Google Vision Transformer (ViT)アーキテクチャを微調整した画像分類モデルで、AI生成画像と真正画像を区別するために使用されます

視覚変換器(ViT)ベースの皮膚癌画像分類モデル、7種類の皮膚病変タイプを識別可能

Vision Transformer (ViT)アーキテクチャに基づく画像分類モデルで、画像がNSFW（不適切）コンテンツを含むかどうかを検出するために特別に設計されています。

Google Vision Transformer (ViT)をファインチューニングしたファッションコレクション分類モデルで、15のトップファッションブランドの服飾コレクションを識別できます。

このモデルはgoogle/vit-base-patch16-224-in21kをCIFAR10データセットでファインチューニングした画像分類モデルで、精度は96.78%です。

Vision Transformerアーキテクチャに基づく画像分類モデルで、本物の画像とAI生成の偽造画像を検出します。

PhikonはiBOTでトレーニングされた組織病理学の自己教師あり学習モデルで、主に組織学的画像パッチから特徴を抽出するために使用されます。

DINOv2手法でトレーニングされた小型視覚Transformerモデル、自己教師あり学習で画像特徴を抽出

このモデルはGoogleのViT-base-patch16-224を画像フォルダデータセットでファインチューニングした画像分類モデルで、評価セットで85.76%の精度を達成しました。

SAMは、点やボックスなどの入力プロンプトから高品質なオブジェクトマスクを生成できる視覚モデルで、ゼロショットセグメンテーションタスクをサポートします

google/vit-base-patch16-224-in21kをファインチューニングした画像分類モデルで、豆類データセットで97.74%の精度を達成

ViTアーキテクチャに基づく運転手疲労検出モデルで、UTA RLDDデータセットで微調整され、精度は97.5%に達します