Vit So400m Patch16 Siglip Gap 384.v2 Webli
Apache-2.0
基於SigLIP 2的ViT圖像編碼器,採用全局平均池化,移除了注意力池化頭,適用於圖像特徵提取任務。
圖像分類
Transformers

V
timm
19
0
Vit Giantopt Patch16 Siglip Gap 384.v2 Webli
Apache-2.0
基於SigLIP 2的ViT圖像編碼器,採用全局平均池化處理,移除了注意力池化頭部,適用於圖像特徵提取任務。
圖像分類
Transformers

V
timm
21
0
Vit Base Patch32 Siglip Gap 256.v2 Webli
Apache-2.0
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
文本生成圖像
Transformers

V
timm
25
1
Vit Gopt 16 SigLIP2 256
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型,適用於零樣本圖像分類任務。
文本生成圖像
V
timm
43.20k
0
Vit SO400M 16 SigLIP2 512
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型,適用於零樣本圖像分類任務
文本生成圖像
V
timm
1,191
4
Vit SO400M 16 SigLIP2 384
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型,支持零樣本圖像分類任務。
文本生成圖像
V
timm
106.30k
2
Vit SO400M 16 SigLIP2 256
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型,支持零樣本圖像分類
文本生成圖像
V
timm
998
0
Vit SO400M 14 SigLIP2 378
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型,支持零樣本圖像分類任務
文本生成圖像
V
timm
1,596
1
Vit SO400M 14 SigLIP2
Apache-2.0
一個在WebLI數據集上訓練的SigLIP 2視覺語言模型,適用於零樣本圖像分類任務。
文本生成圖像
V
timm
1,178
0
Vit L 16 SigLIP2 512
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型,支持零樣本圖像分類任務
文本生成圖像
V
timm
147
2
Vit L 16 SigLIP2 384
Apache-2.0
一個在WebLI數據集上訓練的SigLIP 2視覺語言模型,適用於零樣本圖像分類任務。
文本生成圖像
V
timm
581
0
Vit L 16 SigLIP2 256
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型,支持零樣本圖像分類
文本生成圖像
V
timm
888
0
Vit B 16 SigLIP2 512
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型,支持零樣本圖像分類任務
文本生成圖像
V
timm
1,442
1
Vit B 16 SigLIP2
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型,適用於零樣本圖像分類任務。
文本生成圖像
V
timm
11.26k
0
Vit B 32 SigLIP2 256
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型,支持零樣本圖像分類任務
文本生成圖像
V
timm
691
0
Vit B 16 SigLIP2 256
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型,支持零樣本圖像分類任務
文本生成圖像
V
timm
10.32k
4
Siglip2 So400m Patch16 256
Apache-2.0
SigLIP 2 是基於 SigLIP 的改進模型,整合了多項技術以提升語義理解、定位和密集特徵提取能力。
文本生成圖像
Transformers

S
google
2,729
0
Siglip2 Base Patch16 224
Apache-2.0
SigLIP 2是基於SigLIP改進的多語言視覺語言編碼器,增強了語義理解、定位和密集特徵提取能力。
圖像生成文本
Transformers

S
google
44.75k
38
Siglip So400m Patch16 256 I18n
Apache-2.0
基於SoViT主幹網絡、採用Sigmoid損失函數改進的多模態模型,支持零樣本圖像分類和圖文檢索
圖像生成文本
Transformers

S
google
230
29
Siglip So400m Patch14 384
Apache-2.0
SigLIP是基於WebLi數據集預訓練的視覺語言模型,採用改進的sigmoid損失函數,優化了圖像-文本匹配任務。
圖像生成文本
Transformers

S
google
6.1M
526
Siglip Base Patch16 256 Multilingual
Apache-2.0
SigLIP是基於WebLi數據集預訓練的改進版CLIP模型,採用Sigmoid損失函數優化圖像-文本匹配任務
文本生成圖像
Transformers

S
google
175.86k
44
Siglip Base Patch16 512
Apache-2.0
SigLIP是基於WebLi數據集預訓練的視覺-語言模型,採用改進的sigmoid損失函數,在圖像分類和圖文檢索任務中表現優異。
文本生成圖像
Transformers

S
google
237.79k
24
Vit B 16 SigLIP I18n 256
Apache-2.0
一個在WebLI數據集上訓練的SigLIP(用於語言-圖像預訓練的Sigmoid損失)模型,適用於零樣本圖像分類任務。
文本生成圖像
V
timm
87.92k
3
Vit SO400M 14 SigLIP 384
Apache-2.0
基於WebLI數據集訓練的SigLIP(語言-圖像預訓練的Sigmoid損失)模型,適用於零樣本圖像分類任務。
文本生成圖像
V
timm
158.84k
79
Vit SO400M 14 SigLIP
Apache-2.0
一個在WebLI數據集上訓練的SigLIP(用於語言-圖像預訓練的Sigmoid損失)模型,適用於零樣本圖像分類任務。
文本生成圖像
V
timm
79.55k
17
Vit L 16 SigLIP 384
Apache-2.0
基於WebLI數據集訓練的SigLIP(Sigmoid Loss for Language-Image Pre-training)模型,用於零樣本圖像分類任務。
文本生成圖像
V
timm
3,008
27
Vit L 16 SigLIP 256
Apache-2.0
基於WebLI數據集訓練的SigLIP(語言圖像預訓練的Sigmoid損失)模型,用於零樣本圖像分類任務。
文本生成圖像
V
timm
1,516
1
Vit B 16 SigLIP 512
Apache-2.0
基於WebLI數據集訓練的SigLIP(Sigmoid損失語言圖像預訓練)模型,用於零樣本圖像分類任務
文本生成圖像
V
timm
3,787
7
Vit B 16 SigLIP 384
Apache-2.0
基於WebLI數據集訓練的SigLIP(Sigmoid損失語言圖像預訓練)模型,用於零樣本圖像分類任務
文本生成圖像
V
timm
4,119
4
Vit B 16 SigLIP 256
Apache-2.0
一個在WebLI數據集上訓練的SigLIP(語言-圖像預訓練的Sigmoid損失)模型,適用於零樣本圖像分類任務。
文本生成圖像
V
timm
17.15k
1
Siglip Base Patch16 224
Apache-2.0
SigLIP是基於WebLi數據集預訓練的視覺語言模型,採用改進的Sigmoid損失函數,優化了圖像-文本匹配任務
圖像生成文本
Transformers

S
google
250.28k
43
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