Vit Base Patch16 Siglip Gap 224.v2 Webli
基于SigLIP 2的视觉变换器模型,采用全局平均池化处理图像特征
下载量 303
发布时间 : 2/21/2025
模型简介
这是一个专为timm设计的SigLIP 2 ViT图像编码器,移除了注意力池化头,采用全局平均池化方式提取图像特征。
模型特点
全局平均池化
采用GAP(全局平均池化)替代注意力池化头,简化特征提取过程
SigLIP 2改进
基于SigLIP 2架构,具有改进的语义理解和定位能力
密集特征提取
能够生成高质量的密集图像特征表示
模型能力
图像特征提取
视觉语义理解
多模态任务支持
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搜索
多模态任务
作为视觉编码器用于视觉-语言联合任务
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