Vit So400m Patch14 Siglip Gap 224.v2 Webli
基於SigLIP 2的ViT圖像編碼器,採用全局平均池化,移除了注意力池化頭,適用於圖像特徵提取任務。
下載量 179
發布時間 : 2/21/2025
模型概述
這是一個專為timm設計的SigLIP 2 ViT圖像編碼器,等效於HuggingFace上的ViT-SO400M-14-SigLIP2模型的圖像塔部分。該gap變體使用全局平均池化替代了注意力池化頭。
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、定位和密集特徵提取能力
全局平均池化
使用全局平均池化(gap)替代注意力池化頭,簡化模型結構
大規模預訓練
在webli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
圖像定位
密集特徵提取
使用案例
計算機視覺
圖像分類
可作為圖像分類任務的特徵提取器
視覺問答
為視覺問答系統提供圖像特徵表示
多模態應用
圖文匹配
用於圖文匹配任務中的圖像編碼
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