V

Vit Giantopt Patch16 Siglip Gap 256.v2 Webli

由timm開發
SigLIP 2 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timm設計
下載量 17
發布時間 : 2/21/2025

模型概述

這是一個基於SigLIP 2的視覺Transformer模型,專門用於圖像特徵提取。它採用全局平均池化(GAP)替代了注意力池化頭,適用於需要高效圖像特徵表示的任務。

模型特點

SigLIP 2架構
基於改進的SigLIP 2架構,具有增強的語義理解和特徵提取能力
全局平均池化
採用全局平均池化(GAP)替代注意力池化頭,簡化模型結構
大規模預訓練
在webli數據集上進行預訓練,具有強大的視覺表示能力

模型能力

圖像特徵提取
視覺語義理解
密集特徵表示

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
視覺定位
為視覺定位任務提供密集特徵表示
多模態應用
視覺語言預訓練
作為視覺編碼器用於視覺語言模型
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase