AIbase
TW
模型選型
標籤
場景理解

# 場景理解

Multilabel GeoSceneNet
Apache-2.0
基於SigLIP架構微調的多標籤圖像分類模型，可識別7種地理場景元素
圖像分類 Transformers 支持多種語言
M
prithivMLmods
26
3
Depthpro ONNX
DepthPro 是一個用於深度估計的視覺模型，能夠從單張圖像預測場景的深度信息。
3D視覺 Transformers
D
onnx-community
146
10
Depth Anything V2 Base
Depth-Anything-V2-Base 是一個基於 ONNX 格式的深度估計模型，適配 Transformers.js，用於在 Web 端進行圖像深度估計。
3D視覺 Transformers
D
onnx-community
56
0
Nebula
MIT
該模型是一個圖像轉文本模型，專注於生成圖像的字幕描述。
圖像生成 Transformers
N
SRDdev
17
0
Vit Rugpt2 Image Captioning
這是一個基於COCO2014數據集翻譯版（英俄）訓練的圖片描述生成模型，能夠為輸入的圖像生成俄語描述。
圖像生成文本 Transformers 其他
V
tuman
111
13
Upernet Swin Large
MIT
UperNet是一種用於語義分割的框架，結合Swin Transformer骨幹網絡實現像素級場景理解
圖像分割 Transformers 英語
U
openmmlab
3,251
0
Upernet Swin Base
MIT
UperNet是一種用於語義分割的框架，採用Swin Transformer作為骨幹網絡，能夠高效地進行像素級語義標註。
圖像分割 Transformers 英語
U
openmmlab
700
2
Upernet Swin Tiny
MIT
UperNet是一種語義分割框架，採用Swin Transformer作為骨幹網絡，能夠實現像素級語義標籤預測。
圖像分割 Transformers 英語
U
openmmlab
4,682
3
Upernet Convnext Xlarge
MIT
UperNet是一種用於語義分割的框架，採用ConvNeXt作為骨幹網絡，能夠預測每個像素的語義標籤。
圖像分割 Transformers 英語
U
openmmlab
659
2
Upernet Convnext Base
MIT
UperNet是一種用於語義分割的框架，採用ConvNeXt作為骨幹網絡，能夠預測每個像素的語義標籤。
圖像分割 Transformers 英語
U
openmmlab
178
1
Upernet Convnext Tiny
MIT
UperNet是一種用於語義分割的框架，採用ConvNeXt作為骨幹網絡，能夠為每個像素預測一個語義標籤。
圖像分割 Transformers 英語
U
openmmlab
3,866
3
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