基于SigLIP 2的ViT图像编码器，采用全局平均池化，移除了注意力池化头，适用于图像特征提取任务。

基于SigLIP 2的ViT图像编码器，采用全局平均池化处理，移除了注意力池化头部，适用于图像特征提取任务。

基于SigLIP 2的视觉Transformer模型，使用全局平均池化(GAP)替代注意力池化头的图像编码器

基于WebLI数据集训练的SigLIP 2视觉语言模型，适用于零样本图像分类任务。

基于WebLI数据集训练的SigLIP 2视觉语言模型，适用于零样本图像分类任务

基于WebLI数据集训练的SigLIP 2视觉语言模型，支持零样本图像分类任务。

基于WebLI数据集训练的SigLIP 2视觉语言模型，支持零样本图像分类

基于WebLI数据集训练的SigLIP 2视觉语言模型，支持零样本图像分类任务

一个在WebLI数据集上训练的SigLIP 2视觉语言模型，适用于零样本图像分类任务。

基于WebLI数据集训练的SigLIP 2视觉语言模型，支持零样本图像分类任务

一个在WebLI数据集上训练的SigLIP 2视觉语言模型，适用于零样本图像分类任务。

基于WebLI数据集训练的SigLIP 2视觉语言模型，支持零样本图像分类

基于WebLI数据集训练的SigLIP 2视觉语言模型，支持零样本图像分类任务

基于WebLI数据集训练的SigLIP 2视觉语言模型，适用于零样本图像分类任务。

基于WebLI数据集训练的SigLIP 2视觉语言模型，支持零样本图像分类任务

基于WebLI数据集训练的SigLIP 2视觉语言模型，支持零样本图像分类任务

SigLIP 2 是基于 SigLIP 的改进模型，整合了多项技术以提升语义理解、定位和密集特征提取能力。

SigLIP 2是基于SigLIP改进的多语言视觉语言编码器，增强了语义理解、定位和密集特征提取能力。

基于SoViT主干网络、采用Sigmoid损失函数改进的多模态模型，支持零样本图像分类和图文检索

SigLIP是基于WebLi数据集预训练的视觉语言模型，采用改进的sigmoid损失函数，优化了图像-文本匹配任务。

SigLIP是基于WebLi数据集预训练的改进版CLIP模型，采用Sigmoid损失函数优化图像-文本匹配任务

SigLIP是基于WebLi数据集预训练的视觉-语言模型，采用改进的sigmoid损失函数，在图像分类和图文检索任务中表现优异。

一个在WebLI数据集上训练的SigLIP（用于语言-图像预训练的Sigmoid损失）模型，适用于零样本图像分类任务。

基于WebLI数据集训练的SigLIP（语言-图像预训练的Sigmoid损失）模型，适用于零样本图像分类任务。

一个在WebLI数据集上训练的SigLIP（用于语言-图像预训练的Sigmoid损失）模型，适用于零样本图像分类任务。

基于WebLI数据集训练的SigLIP（Sigmoid Loss for Language-Image Pre-training）模型，用于零样本图像分类任务。

基于WebLI数据集训练的SigLIP（语言图像预训练的Sigmoid损失）模型，用于零样本图像分类任务。

基于WebLI数据集训练的SigLIP（Sigmoid损失语言图像预训练）模型，用于零样本图像分类任务

基于WebLI数据集训练的SigLIP（Sigmoid损失语言图像预训练）模型，用于零样本图像分类任务

一个在WebLI数据集上训练的SigLIP（语言-图像预训练的Sigmoid损失）模型，适用于零样本图像分类任务。

SigLIP是基于WebLi数据集预训练的视觉语言模型，采用改进的Sigmoid损失函数，优化了图像-文本匹配任务