V

Vit So400m Patch16 Siglip 384.v2 Webli

由timm開發
基於SigLIP 2的視覺Transformer模型,專為圖像特徵提取設計,預訓練於webli數據集
下載量 2,073
發布時間 : 2/21/2025

模型概述

該模型是SigLIP 2的視覺編碼器部分,採用ViT架構,適用於圖像理解和特徵提取任務

模型特點

SigLIP 2架構
採用改進的SigLIP 2架構,增強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表示
大規模預訓練
在webli大規模數據集上進行預訓練

模型能力

圖像特徵提取
視覺語義理解
圖像定位

使用案例

計算機視覺
圖像檢索
使用提取的圖像特徵進行相似圖像檢索
視覺-語言任務
作為視覺編碼器用於多模態任務
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase