V

Vit So400m Patch16 Siglip Gap 512.v2 Webli

由timm開發
基於SigLIP 2的ViT圖像編碼器,採用全局平均池化處理,適用於視覺語言任務。
下載量 21
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,移除了注意力池化頭,採用全局平均池化處理。主要用於圖像特徵提取和視覺語言任務。

模型特點

SigLIP 2架構
採用SigLIP 2架構,具備增強的語義理解和定位能力。
全局平均池化
移除了注意力池化頭,採用全局平均池化處理。
大規模預訓練
在webli數據集上進行預訓練,具備強大的圖像特徵提取能力。

模型能力

圖像特徵提取
視覺語言任務處理

使用案例

計算機視覺
圖像分類
可用於圖像分類任務,提取圖像特徵進行分類。
視覺語言任務
適用於視覺語言任務,如圖像描述生成等。
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase