Vit Base Patch32 Siglip Gap 256.v2 Webli
基於SigLIP 2的視覺Transformer模型,使用全局平均池化(GAP)替代注意力池化頭的圖像編碼器
下載量 25
發布時間 : 2/21/2025
模型概述
該模型是SigLIP 2的視覺編碼器部分,專門用於提取圖像特徵。移除了注意力池化頭,採用全局平均池化方式,適用於需要密集圖像特徵的場景。
模型特點
全局平均池化
使用GAP替代注意力池化頭,簡化架構同時保持特徵提取能力
SigLIP2改進
採用SigLIP 2的改進架構,具有更好的語義理解和定位能力
密集特徵提取
特別適合需要密集圖像特徵的下游任務
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
基於提取的圖像特徵構建檢索系統
高精度相似圖像匹配
視覺定位
識別圖像中特定對象的位置
精確的對象定位能力
多模態應用
視覺-語言任務
作為視覺編碼器用於圖文匹配等任務
改進的跨模態理解能力
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