Vit So400m Patch16 Siglip 256.v2 Webli
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
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98