基于SigLIP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 64
发布时间 : 12/24/2024
模型简介
这是一个基于SigLIP架构的视觉Transformer模型,专门用于图像特征提取。模型采用384x384输入分辨率,使用16x16的patch大小,适用于各种计算机视觉任务。
模型特点
SigLIP架构
采用SigLIP架构的视觉Transformer,专注于图像编码任务
原始注意力池化
使用原始注意力池化机制,保留更多图像特征信息
高分辨率处理
支持384x384的高分辨率输入,适合精细图像分析
模型能力
图像特征提取
视觉表示学习
图像分类
图像检索
使用案例
计算机视觉
图像分类
可用于图像分类任务的基础特征提取
图像检索
提取的图像特征可用于相似图像检索
视觉表示学习
作为预训练模型用于下游视觉任务
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