Vit Giantopt Patch16 Siglip 384.v2 Webli
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
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