Vit Base Patch32 Siglip 256.v2 Webli
基于SigLIP 2架构的视觉Transformer模型,专为图像特征提取设计
下载量 27
发布时间 : 2/21/2025
模型简介
这是一个基于SigLIP 2架构的视觉Transformer模型,仅包含图像编码器部分,适用于图像特征提取任务。模型使用webli数据集进行训练,采用Sigmoid损失函数进行预训练。
模型特点
SigLIP 2架构
采用改进的SigLIP 2架构,具备增强的语义理解和定位能力
Sigmoid损失函数
使用Sigmoid损失函数进行预训练,优化语言-图像对齐
密集特征提取
能够提取图像的密集特征,适用于各种下游视觉任务
模型能力
图像特征提取
视觉语义理解
图像-文本对齐
使用案例
计算机视觉
图像检索
利用提取的图像特征进行相似图像检索
视觉问答
作为视觉编码器用于视觉问答系统
多模态应用
图文匹配
评估图像与文本描述的相关性
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98