V

Vit Large Patch16 Siglip Gap 384.v2 Webli

由timm開發
基於SigLIP 2架構的視覺Transformer模型,採用全局平均池化(GAP)的變體,移除了注意力池化頭,適用於圖像特徵提取任務。
下載量 95
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,採用全局平均池化處理特徵,適用於計算機視覺任務中的圖像特徵提取。

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和定位能力
全局平均池化
移除了注意力池化頭,採用全局平均池化(GAP)處理特徵
高分辨率處理
支持384×384分辨率輸入

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
提取圖像特徵用於相似圖像檢索
視覺-語言任務
作為視覺編碼器用於多模態任務
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase