V

Vit Base Patch16 Siglip Gap 512.v2 Webli

由timm開發
基於SigLIP 2的ViT圖像編碼器,採用全局平均池化,移除了注意力池化頭,適用於圖像特徵提取任務。
下載量 105
發布時間 : 2/21/2025

模型概述

該模型是一個專為timm設計的SigLIP 2 ViT圖像編碼器,主要用於圖像特徵提取。它基於Webli數據集訓練,採用全局平均池化(GAP)替代了注意力池化頭。

模型特點

SigLIP 2架構
採用改進的SigLIP 2架構,具有更好的語義理解和定位能力
全局平均池化
使用全局平均池化(GAP)替代注意力池化頭,簡化模型結構
密集特徵提取
能夠提取高質量的密集圖像特徵

模型能力

圖像特徵提取
視覺語義理解
圖像定位

使用案例

計算機視覺
圖像檢索
使用提取的圖像特徵進行相似圖像檢索
視覺問答
作為視覺-語言模型的圖像編碼器部分
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase