AIbase
TW
模型選型
標籤
SigLIP視覺編碼

# SigLIP視覺編碼

Smolvlm 500M Anime Caption V0.2
Apache-2.0
專注於描述動漫風格圖像的視覺語言模型，基於SmolVLM-500M-Base微調
圖像生成文本 Safetensors 英語
S
Andres77872
17
0
Janus Pro 7B
MIT
Janus-Pro 是一種新穎的自迴歸框架，統一了多模態理解和生成。它通過解耦視覺編碼路徑，使用單一的統一 Transformer 架構處理多模態任務。
文本生成圖像 Transformers
J
Athagi
15
1
Vit So400m Patch14 Siglip Gap 896.pali2 10b Pt
Apache-2.0
基於SigLIP圖像編碼器的視覺模型，帶全局平均池化，是PaliGemma2模型的一部分
文本生成圖像 Transformers
V
timm
57
1
Vit So400m Patch14 Siglip Gap 448.pali Mix
Apache-2.0
基於SigLIP圖像編碼器的視覺語言模型，採用全局平均池化處理，適用於多模態任務。
文本生成圖像 Transformers
V
timm
15
0
Vit So400m Patch14 Siglip 378.webli
Apache-2.0
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機制。
圖像分類 Transformers
V
timm
82
0
Vit Large Patch16 Siglip 384.webli
Apache-2.0
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。
圖像分類 Transformers
V
timm
64
0
Vit Base Patch16 Siglip 384.webli
Apache-2.0
基於SigLIP的視覺Transformer模型，僅包含圖像編碼器部分，採用原始注意力池化機制
圖像分類 Transformers
V
timm
64
1
Vit Base Patch16 Siglip 256.webli
Apache-2.0
基於SigLIP的ViT-B-16圖像編碼器模型，採用原始注意力池化，適用於圖像特徵提取任務。
圖像分類 Transformers
V
timm
269
1
Vit So400m Patch14 Siglip 224.webli
Apache-2.0
基於SigLIP的視覺Transformer模型，僅包含圖像編碼器部分，採用原始注意力池化機制
圖像分類 Transformers
V
timm
123
1
Llm Jp 3 Vila 14b
由日本國立情報學研究所開發的大型視覺語言模型，支持日語和英語，具備強大的圖像理解和文本生成能力。
圖像生成文本 Safetensors 日語
L
llm-jp
106
10
FLUX.1 Dev IP Adapter
其他
FLUX.1-dev模型的IP適配器，支持將圖像處理方式與文本類似，用於文本生成圖像任務
文本生成圖像 英語
F
InstantX
8,361
279
Nanollava 1.5
Apache-2.0
nanoLLaVA-1.5是一款參數規模在10億以下的視覺語言模型，專為邊緣設備設計，小巧但功能強大。
圖像生成文本 Transformers 英語
N
qnguyen3
442
109
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase