Vit Large Patch16 Siglip 384.v2 Webli
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 4,265
發布時間 : 2/21/2025
模型概述
該模型是SigLIP 2論文中描述的視覺編碼器部分,採用ViT-Large架構,專注於高效的圖像特徵提取和多模態理解能力
模型特點
SigLIP 2架構
採用改進的Sigmoid損失函數進行預訓練,增強模型的多模態理解能力
高分辨率處理
支持384x384分辨率輸入,適合處理高質量圖像
密集特徵提取
能夠生成豐富的圖像特徵表示,適用於下游視覺任務
模型能力
圖像特徵提取
多模態理解
視覺語義編碼
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
高精度的檢索效果
視覺問答
作為視覺編碼器用於多模態問答系統
提升問答準確性
多模態應用
圖文匹配
評估圖像與文本描述的匹配程度
改進的跨模態對齊能力
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