Vit So400m Patch16 Siglip Gap 384.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 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
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