Aimv2 Large Patch14 Native
A
Aimv2 Large Patch14 Native
Developed by apple
AIMv2是采用多模态自回归目标预训练的视觉模型系列,在多项多模态理解基准测试中表现优异。
Downloads 788
Release Time : 11/21/2024
Model Overview
AIMv2通过多模态自回归目标进行预训练,在图像特征提取和多模态理解任务上展现出卓越性能。
Model Features
卓越的多模态理解能力
在多数多模态理解基准测试中超越OpenAI CLIP和SigLIP模型
强大的识别性能
AIMv2-3B版本在使用冻结主干网络时达到ImageNet 89.5%准确率
开放词汇理解优势
在开放词汇目标检测和指代表达理解任务上优于DINOv2
高效预训练方法
采用简单直接的多模态自回归目标预训练,能有效扩展训练规模
Model Capabilities
图像特征提取
多模态理解
开放词汇目标检测
指代表达理解
大规模视觉表示学习
Use Cases
计算机视觉
图像分类
使用预训练特征进行图像分类任务
ImageNet上达到89.5%准确率
目标检测
开放词汇环境下的目标检测
优于DINOv2模型
多模态应用
视觉-语言理解
图像与文本的联合表示学习
超越CLIP和SigLIP模型
Featured Recommended AI Models
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers Supports Multiple Languages

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers English

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 Chinese
R
uer
2,694
98