Vit Base Patch16 Siglip 512.v2 Webli
基於SigLIP 2的視覺變換器模型,專為圖像特徵提取設計,使用webli數據集預訓練
下載量 2,664
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。模型採用patch大小為16的分塊方式,輸入分辨率為512x512,使用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
高分辨率處理
支持512x512的高分辨率圖像輸入
密集特徵提取
能夠提取圖像的密集特徵表示
Sigmoid損失函數
使用sigmoid損失函數進行預訓練,優化視覺-語言對齊
模型能力
圖像特徵提取
視覺語義理解
圖像定位分析
使用案例
計算機視覺
圖像檢索
提取圖像特徵用於相似圖像檢索
提供高質量的圖像嵌入表示
視覺-語言任務
作為視覺編碼器用於多模態任務
增強的視覺語義理解能力
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