V

Vit So400m Patch16 Siglip Gap 384.v2 Webli

由 timm 开发
基于SigLIP 2的ViT图像编码器,采用全局平均池化,移除了注意力池化头,适用于图像特征提取任务。
下载量 19
发布时间 : 2/21/2025
模型介绍
内容详情
替代品

模型简介

该模型是一个专为timm设计的SigLIP 2 ViT图像编码器,主要用于图像特征提取。它基于Webli数据集训练,采用全局平均池化(GAP)替代了注意力池化头。

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、定位和密集特征提取能力
全局平均池化
使用全局平均池化(GAP)替代注意力池化头,简化模型结构
大规模预训练
基于Webli大规模数据集进行预训练

模型能力

图像特征提取
视觉语义理解
密集特征提取

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
视觉定位
识别和理解图像中的特定区域和对象
多模态应用
视觉-语言任务
作为视觉编码器用于视觉-语言联合任务