V

Vit Base Patch16 Siglip Gap 224.v2 Webli

由timm開發
基於SigLIP 2的視覺變換器模型,採用全局平均池化處理圖像特徵
下載量 303
發布時間 : 2/21/2025

模型概述

這是一個專為timm設計的SigLIP 2 ViT圖像編碼器,移除了注意力池化頭,採用全局平均池化方式提取圖像特徵。

模型特點

全局平均池化
採用GAP(全局平均池化)替代注意力池化頭,簡化特徵提取過程
SigLIP 2改進
基於SigLIP 2架構,具有改進的語義理解和定位能力
密集特徵提取
能夠生成高質量的密集圖像特徵表示

模型能力

圖像特徵提取
視覺語義理解
多模態任務支持

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搜索
多模態任務
作為視覺編碼器用於視覺-語言聯合任務
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase