AIbase
TW
模型選型
標籤
高效視覺編碼

# 高效視覺編碼

Smolvlm Instruct GGUF
Apache-2.0
SmolVLM是一個緊湊的開源多模態模型，能夠接受圖像和文本輸入並生成文本輸出，專為高效設計，適用於設備端應用。
圖像生成文本 Transformers 英語
S
Mungert
1,023
2
Fastvlm 0.5B Stage3
其他
FastVLM-0.5B-Stage3 是一個高效的多模態語言模型，具備視覺理解和語言處理能力，能夠處理長視頻並生成結構化輸出。
圖像生成文本 Transformers 英語
F
zhaode
174
1
Fastvlm 0.5B Stage2
其他
FastVLM-0.5B-Stage2是一個高效的多模態語言模型，能夠理解視覺內容並處理文本任務。
多模態融合 Transformers 英語
F
zhaode
103
1
Sam2 Hiera Small.fb R896
Apache-2.0
基於HieraDet圖像編碼器的SAM2模型，專注於圖像特徵提取任務。
圖像分割 Transformers
S
timm
142
0
Sam2 Hiera Base Plus.fb R896
Apache-2.0
基於HieraDet圖像編碼器的SAM2模型，專注於圖像特徵提取任務。
圖像分割 Transformers
S
timm
764
0
Clip Japanese Base
Apache-2.0
由LY Corporation開發的日語CLIP模型，基於約10億個網絡收集的圖像-文本對進行訓練，適用於多種視覺任務。
文本生成圖像 Transformers 日語
C
line-corporation
14.31k
22
Vit B 16 Aion400m E32 1finetuned 1
MIT
基於OpenCLIP框架的視覺Transformer模型，針對零樣本圖像分類任務進行微調
圖像分類
V
Albe-njupt
18
1
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