AIbase

V

Vit Large Patch16 Siglip 384.webli

由 timm 开发
基于SigLIP的视觉Transformer模型，仅包含图像编码器，采用原始注意力池化，适用于图像特征提取任务。
图像分类
Transformers
开源协议:Apache-2.0#SigLIP视觉编码#大模型图像特征提取#384高分辨率处理
下载量 64
发布时间 : 12/24/2024
模型介绍
内容详情
替代品

模型简介

该模型是一个视觉Transformer模型，基于SigLIP架构，专门用于图像特征提取。它采用patch大小为16的输入，分辨率为384x384，能够高效地提取图像的高级特征。

模型特点

SigLIP架构
基于SigLIP的视觉Transformer架构，优化了图像特征提取的性能。
原始注意力池化
采用原始注意力池化机制，增强了模型对图像关键特征的捕捉能力。
高分辨率支持
支持384x384的高分辨率输入，适合处理细节丰富的图像。

模型能力

图像特征提取
图像分类
视觉表示学习

使用案例

计算机视觉
图像分类
用于图像分类任务，提取图像特征并分类。
视觉搜索
用于视觉搜索系统，提取图像特征进行相似性匹配。