Webssl Dino3b Full2b 224
W
Webssl Dino3b Full2b 224
由facebook開發
這是一個通過DINOv2自監督學習在20億網絡圖像上訓練的30億參數視覺Transformer模型,無需語言監督即可學習強大的視覺表徵。
下載量 72
發布時間 : 4/25/2025
模型概述
該模型證明純視覺學習可以在各種視覺任務中達到或超過語言監督模型的性能,適用於傳統視覺基準測試及多模態任務。
模型特點
大規模自監督學習
基於20億網絡圖像進行訓練,無需語言監督即可學習強大的視覺表徵
高性能視覺模型
在各種視覺任務中達到或超過語言監督模型的性能
多任務適用性
適用於傳統視覺基準測試以及視覺問答、OCR和圖表理解等多模態任務
模型能力
圖像特徵提取
視覺表徵學習
多模態任務處理
使用案例
計算機視覺
圖像分類
用於圖像分類任務
在傳統視覺基準測試中表現優異
視覺問答
處理需要視覺理解的問答任務
文檔分析
OCR
光學字符識別應用
圖表理解
解析和理解圖表內容
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