# 高精度特徵提取

GIST-Embedding-v0 是一個基於 sentence-transformers 的句子嵌入模型，主要用於句子相似度計算和特徵提取任務。

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。

AIM-v2是一個基於timm庫的圖像特徵提取模型，採用大尺寸補丁設計，適用於高分辨率圖像處理。

AIM-v2是一個基於timm庫的圖像編碼器，採用蒸餾訓練方法，適用於圖像特徵提取任務。

AIM-v2是一個高效的圖像編碼器，基於timm庫實現，適用於圖像特徵提取任務。

基於SigLIP的視覺Transformer模型，僅包含圖像編碼器部分，採用原始注意力池化機制

DINOv2是一個基於視覺變換器的圖像特徵提取模型，通過引入寄存器機制提升了特徵提取能力。

DINOv2 large是基於自監督學習的大規模視覺特徵提取模型，能夠生成魯棒的圖像特徵表示。

基於關鍵點相對位置編碼的人臉識別模型，採用ViT架構並在WebFace12M數據集上訓練

基於ArcFace損失函數的深度人臉識別模型，使用IR101架構在WebFace4M數據集上訓練

基於Swin-L架構的圖像特徵模型，專為動物重識別任務設計，在生態學領域有廣泛應用。