V

Vit Base Patch32 Siglip 256.v2 Webli

由timm開發
基於SigLIP 2架構的視覺Transformer模型,專為圖像特徵提取設計
下載量 27
發布時間 : 2/21/2025

模型概述

這是一個基於SigLIP 2架構的視覺Transformer模型,僅包含圖像編碼器部分,適用於圖像特徵提取任務。模型使用webli數據集進行訓練,採用Sigmoid損失函數進行預訓練。

模型特點

SigLIP 2架構
採用改進的SigLIP 2架構,具備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,優化語言-圖像對齊
密集特徵提取
能夠提取圖像的密集特徵,適用於各種下游視覺任務

模型能力

圖像特徵提取
視覺語義理解
圖像-文本對齊

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檢索
視覺問答
作為視覺編碼器用於視覺問答系統
多模態應用
圖文匹配
評估圖像與文本描述的相關性
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase