基于SigLIP架构的视觉Transformer模型,仅包含图像编码器部分,采用原始注意力池化机制
下载量 9,429
发布时间 : 12/24/2024
模型简介
该模型是SigLIP(Sigmoid Loss for Language-Image Pre-training)架构的视觉编码器实现,专注于图像特征提取任务,适用于需要高效视觉表示的场景
模型特点
高效图像编码
专注于图像特征提取,提供高效的视觉表示
原始注意力池化
采用原始注意力机制进行特征池化,保留更多图像细节
SigLIP架构
基于Sigmoid损失优化的语言-图像预训练架构
模型能力
图像特征提取
视觉表示学习
使用案例
计算机视觉
图像检索
提取图像特征用于相似图片搜索
视觉内容理解
为下游任务提供高质量的视觉表示
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