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 So400m Patch16 Siglip Gap 256.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。
文本生成圖像
Transformers

V
timm
22
0
Vit So400m Patch14 Siglip Gap 378.v2 Webli
Apache-2.0
基於SigLIP 2架構的視覺Transformer模型,使用WebLI數據集預訓練,移除了注意力池化頭並採用全局平均池化
圖像分類
Transformers

V
timm
20
0
Vit So400m Patch14 Siglip Gap 224.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
179
0
Vit Large Patch16 Siglip Gap 512.v2 Webli
Apache-2.0
基於SigLIP 2架構的視覺Transformer模型,專為圖像特徵提取設計,採用全局平均池化(GAP)替代注意力池化頭部
圖像分類
Transformers

V
timm
29
0
Vit Large Patch16 Siglip Gap 384.v2 Webli
Apache-2.0
基於SigLIP 2架構的視覺Transformer模型,採用全局平均池化(GAP)的變體,移除了注意力池化頭,適用於圖像特徵提取任務。
文本生成圖像
Transformers

V
timm
95
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 Giantopt Patch16 Siglip Gap 256.v2 Webli
Apache-2.0
SigLIP 2 ViT圖像編碼器,採用全局平均池化,移除了注意力池化頭,專為timm設計
圖像分類
Transformers

V
timm
17
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 Base Patch16 Siglip Gap 512.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
105
0
Vit Base Patch16 Siglip Gap 384.v2 Webli
Apache-2.0
基於SigLIP 2的ViT圖像編碼器,使用全局平均池化(GAP)替代注意力池化頭,適用於圖像特徵提取任務。
圖像分類
Transformers

V
timm
105
0
Vit Base Patch16 Siglip Gap 256.v2 Webli
Apache-2.0
基於SigLIP 2的ViT圖像編碼器,採用全局平均池化,移除注意力池化頭,適用於圖像特徵提取。
多模態融合
Transformers

V
timm
114
1
Vit Base Patch16 Siglip Gap 224.v2 Webli
Apache-2.0
基於SigLIP 2的視覺變換器模型,採用全局平均池化處理圖像特徵
圖像分類
Transformers

V
timm
303
0
Vit So400m Patch16 Siglip Gap 512.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,適用於視覺語言任務。
文本生成圖像
Transformers

V
timm
21
0
Vit So400m Patch14 Siglip Gap 896.pali Pt
Apache-2.0
基於SigLIP圖像編碼器的視覺模型,採用全局平均池化,是PaliGemma項目的一部分
文本生成圖像
Transformers

V
timm
15
1
Vit So400m Patch14 Siglip Gap 896.pali2 3b Pt
Apache-2.0
基於SigLIP圖像編碼器的視覺模型,採用全局平均池化,是PaliGemma2項目的一部分
文本生成圖像
Transformers

V
timm
14
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 Large Patch16 Siglip Gap 384.webli
Apache-2.0
基於SigLIP的視覺Transformer模型,採用全局平均池化,適用於圖像特徵提取任務。
圖像分類
Transformers

V
timm
13
0
Vit Base Patch16 Siglip Gap 224.webli
Apache-2.0
基於SigLIP的視覺Transformer模型,僅包含圖像編碼器部分,採用全局平均池化策略
圖像分類
Transformers

V
timm
178
1
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