AIbase
EN
Model Selection
Tags
高效视觉编码

# 高效视觉编码

Smolvlm Instruct GGUF
Apache-2.0
SmolVLM是一个紧凑的开源多模态模型，能够接受图像和文本输入并生成文本输出，专为高效设计，适用于设备端应用。
图像生成文本 Transformers English
S
Mungert
1,023
2
Fastvlm 0.5B Stage3
Other
FastVLM-0.5B-Stage3 是一个高效的多模态语言模型，具备视觉理解和语言处理能力，能够处理长视频并生成结构化输出。
图像生成文本 Transformers English
F
zhaode
174
1
Fastvlm 0.5B Stage2
Other
FastVLM-0.5B-Stage2是一个高效的多模态语言模型，能够理解视觉内容并处理文本任务。
多模态融合 Transformers English
F
zhaode
103
1
Sam2 Hiera Small.fb R896
Apache-2.0
基于HieraDet图像编码器的SAM2模型，专注于图像特征提取任务。
图像分割 Transformers
S
timm
142
0
Sam2 Hiera Base Plus.fb R896
Apache-2.0
基于HieraDet图像编码器的SAM2模型，专注于图像特征提取任务。
图像分割 Transformers
S
timm
764
0
Clip Japanese Base
Apache-2.0
由LY Corporation开发的日语CLIP模型，基于约10亿个网络收集的图像-文本对进行训练，适用于多种视觉任务。
文本生成图像 Transformers Japanese
C
line-corporation
14.31k
22
Vit B 16 Aion400m E32 1finetuned 1
MIT
基于OpenCLIP框架的视觉Transformer模型，针对零样本图像分类任务进行微调
图像分类
V
Albe-njupt
18
1
AIbase
Empowering the Future, Your AI Solution Knowledge Base
English简体中文繁體中文にほんご
© 2025AIbase