# 高密度特徴抽出

Vit So400m Patch16 Siglip Gap 384.v2 Webli
Apache-2.0
SigLIP 2に基づくViT画像エンコーダーで、グローバル平均プーリングを採用し、注意プーリングヘッドを削除、画像特徴抽出タスクに適しています。
画像分類 Transformers
V
timm
19
0
Vit So400m Patch16 Siglip Gap 256.v2 Webli
Apache-2.0
SigLIP 2に基づくViT画像エンコーダーで、グローバル平均プーリングを採用し、アテンションプーリングヘッドを削除、画像特徴抽出タスクに適しています。
テキスト生成画像 Transformers
V
timm
22
0
Vit So400m Patch16 Siglip 384.v2 Webli
Apache-2.0
SigLIP 2ベースの視覚Transformerモデル、画像特徴抽出のために設計され、webliデータセットで事前学習済み
テキスト生成画像 Transformers
V
timm
2,073
0
Vit So400m Patch16 Siglip 256.v2 Webli
Apache-2.0
SigLIP 2 ViTモデル、画像エンコーダ部分のみを含み、画像特徴抽出用、WebLIデータセットで学習。
テキスト生成画像 Transformers
V
timm
12.56k
0
Vit So400m Patch14 Siglip Gap 378.v2 Webli
Apache-2.0
SigLIP 2アーキテクチャに基づく視覚Transformerモデル、WebLIデータセットで事前学習され、アテンションプーリングヘッドを削除しグローバル平均プーリングを採用
画像分類 Transformers
V
timm
20
0
Vit So400m Patch14 Siglip Gap 224.v2 Webli
Apache-2.0
SigLIP 2に基づくViT画像エンコーダーで、グローバル平均プーリングを採用し、注意プーリングヘッドを削除、画像特徴抽出タスクに適しています。
画像分類 Transformers
V
timm
179
0
Vit So400m Patch14 Siglip 378.v2 Webli
Apache-2.0
SigLIP 2に基づく視覚Transformerモデルで、画像特徴抽出のために設計され、webliデータセットでトレーニングされました
テキスト生成画像 Transformers
V
timm
30
0
Vit So400m Patch14 Siglip 224.v2 Webli
Apache-2.0
SigLIP 2アーキテクチャに基づく視覚Transformerモデルで、画像特徴抽出のために設計され、webliデータセットで事前学習されています。
画像分類 Transformers
V
timm
7,005
0
Vit Large Patch16 Siglip Gap 512.v2 Webli
Apache-2.0
SigLIP 2アーキテクチャに基づく視覚Transformerモデルで、画像特徴抽出のために設計され、アテンションプーリングヘッドの代わりにグローバル平均プーリング(GAP)を採用
画像分類 Transformers
V
timm
29
0
Vit Large Patch16 Siglip 512.v2 Webli
Apache-2.0
SigLIP 2に基づくViT画像エンコーダ、timm向けに設計され、視覚-言語タスクに適応
画像分類 Transformers
V
timm
295
0
Vit Large Patch16 Siglip 384.v2 Webli
Apache-2.0
SigLIP 2アーキテクチャに基づく視覚Transformerモデル、画像特徴抽出のために設計され、webliデータセットで事前学習済み
テキスト生成画像 Transformers
V
timm
4,265
0
Vit Large Patch16 Siglip 256.v2 Webli
Apache-2.0
SigLIP 2アーキテクチャに基づく視覚Transformerモデルで、画像特徴抽出のために設計され、webliデータセットでトレーニングされました
画像分類 Transformers
V
timm
525
0
Vit Giantopt Patch16 Siglip 384.v2 Webli
Apache-2.0
SigLIP 2に基づくViT画像エンコーダー、timm向けに設計され、視覚言語タスクに適している
画像分類 Transformers
V
timm
160
0
Vit Giantopt Patch16 Siglip 256.v2 Webli
Apache-2.0
SigLIP 2技術に基づく視覚Transformerモデル、画像特徴抽出に特化
テキスト生成画像 Transformers
V
timm
59
0
Vit Base Patch32 Siglip Gap 256.v2 Webli
Apache-2.0
SigLIP 2を基にした視覚Transformerモデルで、アテンションプーリングヘッドの代わりにグローバル平均プーリング(GAP)を使用した画像エンコーダ
テキスト生成画像 Transformers
V
timm
25
1
Vit Base Patch16 Siglip Gap 512.v2 Webli
Apache-2.0
SigLIP 2ベースのViT画像エンコーダーで、グローバル平均プーリングを採用し、注意プーリングヘッドを削除、画像特徴抽出タスクに適しています。
画像分類 Transformers
V
timm
105
0
Vit Base Patch16 Siglip Gap 256.v2 Webli
Apache-2.0
SigLIP 2に基づくViT画像エンコーダーで、グローバル平均プーリングを採用し、注意プーリングヘッドを削除、画像特徴抽出に適しています。
マルチモーダル融合 Transformers
V
timm
114
1
Vit Base Patch16 Siglip Gap 224.v2 Webli
Apache-2.0
SigLIP 2を基にした視覚トランスフォーマーモデルで、グローバル平均プーリングを用いて画像特徴を処理
画像分類 Transformers
V
timm
303
0
Vit Base Patch16 Siglip 512.v2 Webli
Apache-2.0
SigLIP 2に基づく視覚トランスフォーマーモデルで、画像特徴抽出のために設計され、webliデータセットで事前学習済み
テキスト生成画像 Transformers
V
timm
2,664
0
Vit Base Patch16 Siglip 256.v2 Webli
Apache-2.0
SigLIP 2ベースのViT画像エンコーダーで、画像特徴の抽出に使用され、多言語視覚-言語タスクをサポートします。
テキスト生成画像 Transformers
V
timm
731
2
Vit Base Patch16 Siglip 224.v2 Webli
Apache-2.0
SigLIP 2に基づくViTモデルで、画像特徴抽出に特化し、webliデータセットで学習済み
テキスト生成画像 Transformers
V
timm
1,992
0
Vit So400m Patch16 Siglip Gap 512.v2 Webli
Apache-2.0
SigLIP 2に基づくViT画像エンコーダーで、グローバル平均プーリング処理を採用し、視覚言語タスクに適しています。
テキスト生成画像 Transformers
V
timm
21
0
Vit L 16 SigLIP2 512
Apache-2.0
WebLIデータセットで学習されたSigLIP 2視覚言語モデル、ゼロショット画像分類タスクをサポート
テキスト生成画像
V
timm
147
2
Siglip2 So400m Patch16 Naflex
Apache-2.0
SigLIP 2はSigLIP事前学習目標を基に改良されたモデルで、意味理解、位置特定、高密度特徴抽出能力を向上させるために複数の技術を統合しています。
テキスト生成画像 Transformers
S
google
159.81k
21
Siglip2 Base Patch16 Naflex
Apache-2.0
SigLIP 2は多言語視覚-言語エンコーダーで、SigLIPの事前学習目標を統合し新しい訓練スキームを追加することで、意味理解、位置特定、高密度特徴抽出能力を向上させました。
テキスト生成画像 Transformers
S
google
10.68k
5
Siglip2 So400m Patch16 512
Apache-2.0
SigLIP 2はSigLIPを基盤とした視覚言語モデルで、意味理解、位置特定、高密度特徴抽出能力が強化されています。
テキスト生成画像 Transformers
S
google
46.46k
18
Siglip2 So400m Patch14 224
Apache-2.0
SigLIP 2 は SigLIP を改良した多言語視覚言語エンコーダーで、意味理解、位置特定、高密度特徴抽出能力が強化されています。
画像生成テキスト Transformers
S
google
23.11k
0
Siglip2 Large Patch16 384
Apache-2.0
SigLIP 2 は SigLIP を基に改良された多言語視覚言語エンコーダーで、意味理解、位置特定、高密度特徴抽出能力が向上しています。
テキスト生成画像 Transformers
S
google
6,525
2
Siglip2 Large Patch16 256
Apache-2.0
SigLIP 2 は SigLIP を改良した視覚言語モデルで、意味理解、位置特定、高密度特徴抽出能力を向上させるために複数の技術を統合しています。
テキスト生成画像 Transformers
S
google
10.89k
3
Siglip2 Base Patch16 384
Apache-2.0
SigLIP 2はSigLIPを基にした視覚言語モデルで、統一されたトレーニング手法により意味理解、位置特定、高密度特徴抽出能力を向上させています。
画像生成テキスト Transformers
S
google
4,832
5
Siglip2 Base Patch16 256
Apache-2.0
SigLIP 2は多言語の視覚言語エンコーダで、意味理解、位置特定、高密度特徴抽出能力が向上しています。
画像生成テキスト Transformers
S
google
45.24k
4
RADIO L
AM-RADIOはNVIDIA研究所が開発した視覚基盤モデルで、集約型アーキテクチャにより複数領域の統一表現を実現し、様々なコンピュータビジョンタスクに適用可能です。
画像セグメンテーション Transformers
R
nvidia
23.27k
8
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
© 2025AIbase