V

Vit So400m Patch16 Siglip 256.v2 Webli

由 timm 开发
SigLIP 2 ViT模型,仅包含图像编码器部分,用于图像特征提取,基于WebLI数据集训练。
下载量 12.56k
发布时间 : 2/21/2025
模型介绍
内容详情
替代品

模型简介

这是一个基于SigLIP 2架构的视觉变换器(ViT)模型,专门用于图像特征提取。它采用了Sigmoid损失函数进行语言图像预训练,具有改进的语义理解和定位能力。

模型特点

SigLIP 2架构
采用改进的SigLIP 2架构,具有更好的语义理解和定位能力
Sigmoid损失函数
使用Sigmoid损失进行语言图像预训练,提高模型性能
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
语义理解
图像定位

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
作为视觉问答系统的图像编码器
多模态应用
图文匹配
用于评估图像和文本描述的匹配程度