V

Vit So400m Patch14 Siglip 384.webli

由 timm 开发
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
模型介绍
内容详情
替代品

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