V

Vit So400m Patch14 Siglip 224.v2 Webli

由timm開發
基於SigLIP 2架構的視覺Transformer模型,專為圖像特徵提取設計,預訓練於webli數據集。
下載量 7,005
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,採用ViT架構,適用於圖像理解和特徵提取任務。

模型特點

SigLIP 2增強
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
視覺問答
作為視覺編碼器用於視覺問答系統
多模態應用
圖文匹配
與文本編碼器配合實現圖文匹配任務
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase