V

Vit So400m Patch14 Siglip Gap 378.v2 Webli

由timm開發
基於SigLIP 2架構的視覺Transformer模型,使用WebLI數據集預訓練,移除了注意力池化頭並採用全局平均池化
下載量 20
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,專門用於圖像特徵提取,適用於多模態任務中的視覺理解

模型特點

SigLIP 2架構改進
採用改進的視覺-語言預訓練架構,增強語義理解和定位能力
全局平均池化
移除了注意力池化頭,使用全局平均池化(GAP)簡化特徵提取
大規模預訓練
在WebLI大規模數據集上進行預訓練,具有強大的視覺表示能力

模型能力

圖像特徵提取
視覺語義理解
多模態任務視覺編碼

使用案例

計算機視覺
圖像檢索
提取圖像特徵用於相似圖像搜索
視覺-語言任務
作為多模態模型的視覺編碼器
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase