基于SigLIP 2架构的视觉Transformer模型,专为图像特征提取设计,训练于webli数据集
下载量 525
发布时间 : 2/21/2025
模型简介
该模型是SigLIP 2的视觉编码器部分,采用ViT-Large架构,专注于提取高质量的图像特征表示,适用于多模态任务
模型特点
SigLIP 2架构
采用改进的视觉-语言预训练架构,具有增强的语义理解和定位能力
大规模预训练
在webli大规模数据集上预训练,学习广泛的视觉概念
密集特征提取
能够提取高质量的图像特征表示,适用于下游视觉任务
模型能力
图像特征提取
视觉语义理解
多模态表示学习
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
高精度检索结果
视觉问答
作为视觉编码器用于多模态问答系统
提升问答准确性
多模态应用
图文匹配
评估图像与文本描述的匹配程度
改进的跨模态对齐能力
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