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
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