V

Vit B 16 SigLIP2 256

由timm開發
基於WebLI數據集訓練的SigLIP 2視覺語言模型,支持零樣本圖像分類任務
下載量 10.32k
發布時間 : 2/21/2025

模型概述

這是一個對比圖像-文本模型,專門用於零樣本圖像分類任務。它採用了Sigmoid損失函數進行語言圖像預訓練,具有改進的語義理解和定位能力。

模型特點

Sigmoid損失函數
採用Sigmoid損失函數而非傳統的Softmax,提高了語言圖像預訓練的效果
改進的語義理解
相比前代模型,具有更好的語義理解和定位能力
密集特徵提取
能夠提取圖像的密集特徵,支持更精細的圖像理解

模型能力

零樣本圖像分類
圖像-文本對比學習
多語言圖像理解

使用案例

圖像理解
食品識別
識別圖像中的食品類型,如甜甜圈、貝涅餅等
能準確分類常見食品類型
動物識別
識別圖像中的動物類別,如貓、狗等
對常見動物有較高的識別準確率
多語言應用
多語言圖像標註
使用不同語言文本進行圖像分類
支持多語言標籤輸入
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase