モデル選定

高精度特徴抽出

# 高精度特徴抽出

GIST Embedding V0

GIST-Embedding-v0 は sentence-transformers ベースの文埋め込みモデルで、主に文の類似度計算と特徴抽出タスクに使用されます。

テキスト埋め込み英語

Vit So400m Patch16 Siglip 512.v2 Webli

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ており、多言語視覚-言語タスクに適しています。

テキスト生成画像

Aimv2 Large Patch14 448.apple Pt

AIM-v2はtimmライブラリを基にした画像特徴抽出モデルで、大規模パッチ設計を採用し、高解像度画像処理に適しています。

Aimv2 Large Patch14 224.apple Pt Dist

AIM-v2はtimmライブラリベースの画像エンコーダーで、蒸留訓練手法を採用し、画像特徴抽出タスクに適しています。

Aimv2 Huge Patch14 224.apple Pt

AIM-v2はtimmライブラリをベースにした効率的な画像エンコーダで、画像特徴抽出タスクに適しています。

Vit Base Patch16 Siglip 224.webli

SigLIPベースの視覚Transformerモデル、画像エンコーダーのみを含み、オリジナルアテンションプーリングメカニズムを採用

Dinov2.large.patch 14.reg 4

DINOv2は視覚トランスフォーマーに基づく画像特徴抽出モデルで、レジスタ機構を導入することで特徴抽出能力を向上させています。

Dinov2.large.patch 14

DINOv2 largeは自己教師あり学習に基づく大規模視覚特徴抽出モデルで、ロバストな画像特徴表現を生成できます。

Cvlface Adaface Vit Base Kprpe Webface12m

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

人の顔に関係がある

Transformers 英語

Cvlface Arcface Ir101 Webface4m

ArcFace損失関数に基づく深層顔認識モデル、IR101アーキテクチャを使用しWebFace4Mデータセットで訓練

人の顔に関係がある

Transformers 英語

Megadescriptor L 384

Swin-Lアーキテクチャに基づく画像特徴モデルで、動物再識別タスク向けに設計されており、生態学分野で広く利用されています。

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