模型简介
AIMv2通过多模态自回归目标进行预训练,在图像分类、目标检测等任务上展现出强大的性能。
模型特点
多模态自回归预训练
采用创新的自回归目标进行预训练,实现更好的多模态理解能力
卓越的基准测试表现
在多数多模态理解基准测试中超越OpenAI CLIP和SigLIP模型
强大的识别性能
3B版本在使用冻结主干网络时,在ImageNet上达到89.5%准确率
广泛的应用能力
在开放词汇目标检测和指代表达理解任务上优于DINOv2
模型能力
零样本图像分类
多模态理解
开放词汇目标检测
指代表达理解
使用案例
计算机视觉
图像分类
对图像内容进行分类识别
ImageNet上89.5%准确率
目标检测
检测图像中的特定目标
优于DINOv2模型
多模态应用
图文匹配
理解图像与文本描述之间的关系
超越CLIP和SigLIP模型
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
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文