V

Vit Large Patch16 Siglip Gap 256.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,專為圖像特徵提取設計。
下載量 95
發布時間 : 2/21/2025

模型概述

該模型是一個視覺變換器(ViT)架構的圖像編碼器,使用SigLIP 2方法進行預訓練,適用於圖像特徵提取任務。

模型特點

SigLIP 2預訓練
使用改進的SigLIP 2方法進行預訓練,具有更好的語義理解和定位能力
全局平均池化
採用全局平均池化替代注意力池化頭,簡化模型結構
密集特徵提取
能夠提取高質量的圖像密集特徵

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搜索
視覺問答
作為視覺-語言模型中的圖像編碼器組件
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase