V

Vit Giantopt Patch16 Siglip 384.v2 Webli

由timm開發
基於SigLIP 2的ViT圖像編碼器,專為timm設計,適用於視覺語言任務
下載量 160
發布時間 : 2/21/2025

模型概述

這是一個基於SigLIP 2架構的視覺變換器(ViT)模型,僅包含圖像編碼器部分。它使用Sigmoid損失函數進行預訓練,適用於各種視覺語言理解任務。

模型特點

SigLIP 2架構
採用改進的SigLIP 2架構,具有增強的語義理解和定位能力
Sigmoid損失函數
使用Sigmoid損失函數進行預訓練,提高了模型性能
高分辨率處理
支持384x384像素的輸入分辨率
Webli數據集預訓練
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

視覺語言任務
圖像檢索
基於文本查詢檢索相關圖像
圖像標註
為圖像生成描述性文本
視覺問答
回答關於圖像內容的問題
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase