V

Vit So400m Patch16 Siglip Gap 384.v2 Webli

由timm開發
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 19
發布時間 : 2/21/2025

模型概述

該模型是一個專為timm設計的SigLIP 2 ViT圖像編碼器,主要用於圖像特徵提取。它基於Webli數據集訓練,採用全局平均池化(GAP)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
基於Webli大規模數據集進行預訓練

模型能力

圖像特徵提取
視覺語義理解
密集特徵提取

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
識別和理解圖像中的特定區域和對象
多模態應用
視覺-語言任務
作為視覺編碼器用於視覺-語言聯合任務
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase