V

Vit So400m Patch14 Siglip Gap 378.v2 Webli

Developed by timm
基于SigLIP 2架构的视觉Transformer模型,使用WebLI数据集预训练,移除了注意力池化头并采用全局平均池化
Downloads 20
Release Time : 2/21/2025

Model Overview

该模型是SigLIP 2的视觉编码器部分,专门用于图像特征提取,适用于多模态任务中的视觉理解

Model Features

SigLIP 2架构改进
采用改进的视觉-语言预训练架构,增强语义理解和定位能力
全局平均池化
移除了注意力池化头,使用全局平均池化(GAP)简化特征提取
大规模预训练
在WebLI大规模数据集上进行预训练,具有强大的视觉表示能力

Model Capabilities

图像特征提取
视觉语义理解
多模态任务视觉编码

Use Cases

计算机视觉
图像检索
提取图像特征用于相似图像搜索
视觉-语言任务
作为多模态模型的视觉编码器
AIbase
Empowering the Future, Your AI Solution Knowledge Base
© 2025AIbase