Vit Large Patch16 Siglip 384.webli
基於SigLIP的視覺Transformer模型,僅包含圖像編碼器,採用原始注意力池化,適用於圖像特徵提取任務。
下載量 64
發布時間 : 12/24/2024
模型概述
該模型是一個視覺Transformer模型,基於SigLIP架構,專門用於圖像特徵提取。它採用patch大小為16的輸入,分辨率為384x384,能夠高效地提取圖像的高級特徵。
模型特點
SigLIP架構
基於SigLIP的視覺Transformer架構,優化了圖像特徵提取的性能。
原始注意力池化
採用原始注意力池化機制,增強了模型對圖像關鍵特徵的捕捉能力。
高分辨率支持
支持384x384的高分辨率輸入,適合處理細節豐富的圖像。
模型能力
圖像特徵提取
圖像分類
視覺表示學習
使用案例
計算機視覺
圖像分類
用於圖像分類任務,提取圖像特徵並分類。
視覺搜索
用於視覺搜索系統,提取圖像特徵進行相似性匹配。
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