V

Vit Large Patch16 Siglip 384.webli

由timm開發
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。
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase