A

Aimv2 Large Patch14 Native

由 apple 开发
AIMv2是采用多模态自回归目标预训练的视觉模型系列,在多项多模态理解基准测试中表现优异。
下载量 788
发布时间 : 11/21/2024
模型介绍
内容详情
替代品

模型简介

AIMv2通过多模态自回归目标进行预训练,在图像特征提取和多模态理解任务上展现出卓越性能。

模型特点

卓越的多模态理解能力
在多数多模态理解基准测试中超越OpenAI CLIP和SigLIP模型
强大的识别性能
AIMv2-3B版本在使用冻结主干网络时达到ImageNet 89.5%准确率
开放词汇理解优势
在开放词汇目标检测和指代表达理解任务上优于DINOv2
高效预训练方法
采用简单直接的多模态自回归目标预训练,能有效扩展训练规模

模型能力

图像特征提取
多模态理解
开放词汇目标检测
指代表达理解
大规模视觉表示学习

使用案例

计算机视觉
图像分类
使用预训练特征进行图像分类任务
ImageNet上达到89.5%准确率
目标检测
开放词汇环境下的目标检测
优于DINOv2模型
多模态应用
视觉-语言理解
图像与文本的联合表示学习
超越CLIP和SigLIP模型