Vit Base Patch16 Siglip Gap 384.v2 Webli
基于SigLIP 2的ViT图像编码器,使用全局平均池化(GAP)替代注意力池化头,适用于图像特征提取任务。
下载量 105
发布时间 : 2/21/2025
模型简介
该模型是SigLIP 2的视觉变换器(ViT)实现,专门用于提取图像特征。移除了注意力池化头,改用全局平均池化,适合需要密集特征的视觉任务。
模型特点
全局平均池化
使用GAP替代注意力池化头,简化模型结构同时保留重要特征
SigLIP 2改进
基于SigLIP 2架构,具有改进的语义理解、定位和密集特征能力
高分辨率支持
支持384×384分辨率输入,适合需要精细特征的任务
模型能力
图像特征提取
视觉语义理解
密集特征生成
使用案例
计算机视觉
图像检索
提取图像特征用于相似图像搜索
视觉定位
识别图像中的特定对象或区域
多模态应用
视觉-语言任务
作为视觉编码器用于图文匹配等任务
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