Vit So400m Patch14 Siglip Gap 384.webli
基於SigLIP的視覺Transformer模型,採用全局平均池化處理圖像特徵
Downloads 96
Release Time : 12/24/2024
Model Overview
該模型是一個視覺Transformer架構的圖像編碼器,基於SigLIP方法訓練,主要用於圖像特徵提取任務。模型採用384x384分辨率輸入和14x14的patch大小,通過全局平均池化(GAP)輸出特徵。
Model Features
SigLIP訓練方法
採用SigLIP(Sigmoid Loss for Language-Image Pre-training)方法訓練,優化圖像-文本對齊能力
全局平均池化
在模型末端使用全局平均池化層(GAP)提取圖像特徵,簡化特徵表示
高分辨率處理
支持384x384像素的輸入分辨率,適合處理高質量圖像
Model Capabilities
圖像特徵提取
視覺表示學習
Use Cases
計算機視覺
圖像檢索
提取圖像特徵用於相似圖像搜索
視覺內容分析
分析圖像內容並生成緊湊的特徵表示
Featured Recommended AI Models
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers Supports Multiple Languages

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers English

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 Chinese
R
uer
2,694
98