基于ConvNeXt-V2的自监督特征表示模型，采用全卷积掩码自编码器框架(FCMAE)进行预训练，适用于图像特征提取和微调任务。

Swin Transformer v2是一种视觉Transformer模型，通过分层特征图和局部窗口自注意力机制实现高效的图像分类和密集识别任务。

Swin Transformer是一种基于分层窗口的视觉Transformer模型，专为图像分类任务设计，计算复杂度与输入图像大小呈线性关系。

Swin Transformer是一种基于分层窗口计算的视觉Transformer模型，在ImageNet-21k数据集上预训练，适用于图像分类任务。