V

Vit So400m Patch16 Siglip 256.v2 Webli

由timm開發
SigLIP 2 ViT模型,僅包含圖像編碼器部分,用於圖像特徵提取,基於WebLI數據集訓練。
下載量 12.56k
發布時間 : 2/21/2025

模型概述

這是一個基於SigLIP 2架構的視覺變換器(ViT)模型,專門用於圖像特徵提取。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

SigLIP 2架構
採用改進的SigLIP 2架構,具有更好的語義理解和定位能力
Sigmoid損失函數
使用Sigmoid損失進行語言圖像預訓練,提高模型性能
密集特徵提取
能夠提取圖像的密集特徵,適用於各種下游視覺任務

模型能力

圖像特徵提取
語義理解
圖像定位

使用案例

計算機視覺
圖像檢索
利用提取的圖像特徵進行相似圖像檢索
視覺問答
作為視覺問答系統的圖像編碼器
多模態應用
圖文匹配
用於評估圖像和文本描述的匹配程度
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase