Vit So400m Patch14 Siglip Gap 378.v2 Webli
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
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