AIbase
TW
模型選型
標籤
多模態視覺編碼

# 多模態視覺編碼

Openvision Vit Base Patch16 224
Apache-2.0
OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。
多模態融合
O
UCSC-VLAA
79
0
Openvision Vit Huge Patch14 224
Apache-2.0
OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。
多模態融合
O
UCSC-VLAA
27
2
Openvision Vit Huge Patch14 84
Apache-2.0
OpenVision 是一個全開放、高性價比的先進視覺編碼器家族，專為多模態學習設計。
圖像分類 Transformers
O
UCSC-VLAA
19
0
Openvision Vit Large Patch14 336
Apache-2.0
OpenVision是一個完全開放、經濟高效的高級視覺編碼器家族，專為多模態學習設計。
圖像增強 Transformers
O
UCSC-VLAA
34
0
Openvision Vit Large Patch14 224
Apache-2.0
OpenVision 是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。
多模態融合
O
UCSC-VLAA
308
4
Openvision Vit Large Patch14 84
Apache-2.0
OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習任務。
圖像分類 Transformers
O
UCSC-VLAA
21
0
Openvision Vit Base Patch8 224
Apache-2.0
OpenVision 是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。
圖像分類
O
UCSC-VLAA
43
0
Openvision Vit Base Patch8 160
Apache-2.0
OpenVision-ViT-Tiny 是一個全開放、高性價比的先進視覺編碼器，屬於 OpenVision 家族的一部分，專注於多模態學習。
圖像分類 Transformers
O
UCSC-VLAA
26
0
Openvision Vit Small Patch8 224
Apache-2.0
OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。
O
UCSC-VLAA
25
0
Openvision Vit Tiny Patch8 384
Apache-2.0
OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。
圖像增強 Transformers
O
UCSC-VLAA
16
0
Openvision Vit Tiny Patch8 224
Apache-2.0
OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。
多模態融合
O
UCSC-VLAA
123
0
Openvision Vit Tiny Patch16 384
Apache-2.0
OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。
O
UCSC-VLAA
19
0
Openvision Vit Tiny Patch16 160
Apache-2.0
OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。
多模態融合 Transformers
O
UCSC-VLAA
30
0
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 Patch16 Siglip 512.v2 Webli
Apache-2.0
基於SigLIP 2的視覺Transformer模型，專為圖像特徵提取設計，適用於多語言視覺-語言任務。
文本生成圖像 Transformers
V
timm
2,766
0
Vit So400m Patch16 Siglip 384.v2 Webli
Apache-2.0
基於SigLIP 2的視覺Transformer模型，專為圖像特徵提取設計，預訓練於webli數據集
文本生成圖像 Transformers
V
timm
2,073
0
Vit So400m Patch16 Siglip 256.v2 Webli
Apache-2.0
SigLIP 2 ViT模型，僅包含圖像編碼器部分，用於圖像特徵提取，基於WebLI數據集訓練。
文本生成圖像 Transformers
V
timm
12.56k
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 So400m Patch14 Siglip 378.v2 Webli
Apache-2.0
基於SigLIP 2的視覺Transformer模型，專為圖像特徵提取設計，訓練於webli數據集
文本生成圖像 Transformers
V
timm
30
0
Vit So400m Patch14 Siglip 224.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，預訓練於webli數據集。
圖像分類 Transformers
V
timm
7,005
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 Large 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，專為圖像特徵提取設計。
文本生成圖像 Transformers
V
timm
95
0
Vit Large Patch16 Siglip 512.v2 Webli
Apache-2.0
基於SigLIP 2的ViT圖像編碼器，專為timm設計，適用於視覺-語言任務
圖像分類 Transformers
V
timm
295
0
Vit Large Patch16 Siglip 384.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，預訓練於webli數據集
文本生成圖像 Transformers
V
timm
4,265
0
Vit Large Patch16 Siglip 256.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，訓練於webli數據集
圖像分類 Transformers
V
timm
525
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 Giantopt Patch16 Siglip 384.v2 Webli
Apache-2.0
基於SigLIP 2的ViT圖像編碼器，專為timm設計，適用於視覺語言任務
圖像分類 Transformers
V
timm
160
0
Vit Giantopt Patch16 Siglip 256.v2 Webli
Apache-2.0
基於SigLIP 2技術的視覺Transformer模型，專注於圖像特徵提取
文本生成圖像 Transformers
V
timm
59
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 Patch32 Siglip 256.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
文本生成圖像 Transformers
V
timm
27
0
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 Base Patch16 Siglip 512.v2 Webli
Apache-2.0
基於SigLIP 2的視覺變換器模型，專為圖像特徵提取設計，使用webli數據集預訓練
文本生成圖像 Transformers
V
timm
2,664
0
Vit Base Patch16 Siglip 384.v2 Webli
Apache-2.0
基於SigLIP 2的視覺變換器模型，專為圖像特徵提取設計，使用webli數據集預訓練
文本生成圖像 Transformers
V
timm
330
0
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