V

Vit So400m Patch14 Siglip 378.v2 Webli

由timm開發
基於SigLIP 2的視覺Transformer模型,專為圖像特徵提取設計,訓練於webli數據集
下載量 30
發布時間 : 2/21/2025

模型概述

這是一個SigLIP 2架構的視覺Transformer模型,僅包含圖像編碼器部分,適用於圖像特徵提取任務。模型基於timm庫實現,功能等同於HuggingFace上的ViT-SO400M-14-SigLIP2-378模型的圖像塔模塊。

模型特點

SigLIP 2架構
採用改進的SigLIP 2架構,具備增強的語義理解和定位能力
密集特徵提取
能夠提取圖像的密集特徵表示
大規模預訓練
在webli大規模數據集上進行預訓練

模型能力

圖像特徵提取
視覺語義理解
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
視覺定位
識別和定位圖像中的特定對象或區域
多模態應用
視覺-語言任務
作為視覺編碼器用於圖像-文本匹配等任務
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase