AIbase

多模态视觉编码
Openvision Vit Base Patch16 224
Apache-2.0
OpenVision是一个全开放、高性价比的先进视觉编码器家族，专注于多模态学习。
多模态融合
O
UCSC-VLAA
79
0
Openvision Vit Huge Patch14 224
Apache-2.0
OpenVision是一个全开放、高性价比的先进视觉编码器家族，专注于多模态学习。
多模态融合
O
UCSC-VLAA
27
2
Openvision Vit Huge Patch14 84
Apache-2.0
OpenVision 是一个全开放、高性价比的先进视觉编码器家族，专为多模态学习设计。
图像分类
Transformers
O
UCSC-VLAA
19
0
Openvision Vit Large Patch14 336
Apache-2.0
OpenVision是一个完全开放、经济高效的高级视觉编码器家族，专为多模态学习设计。
图像增强
Transformers
O
UCSC-VLAA
34
0
Openvision Vit Large Patch14 224
Apache-2.0
OpenVision 是一个全开放、高性价比的先进视觉编码器家族，专注于多模态学习。
多模态融合
O
UCSC-VLAA
308
4
Openvision Vit Large Patch14 84
Apache-2.0
OpenVision是一个全开放、高性价比的先进视觉编码器家族，专注于多模态学习任务。
图像分类
Transformers
O
UCSC-VLAA
21
0
Openvision Vit Base Patch8 224
Apache-2.0
OpenVision 是一个全开放、高性价比的先进视觉编码器家族，专注于多模态学习。
图像分类
O
UCSC-VLAA
43
0
Openvision Vit Base Patch8 160
Apache-2.0
OpenVision-ViT-Tiny 是一个全开放、高性价比的先进视觉编码器，属于 OpenVision 家族的一部分，专注于多模态学习。
图像分类
Transformers
O
UCSC-VLAA
26
0
Openvision Vit Small Patch8 224
Apache-2.0
OpenVision是一个全开放、高性价比的先进视觉编码器家族，专注于多模态学习。
图像特征提取
O
UCSC-VLAA
25
0
Openvision Vit Tiny Patch8 384
Apache-2.0
OpenVision是一个全开放、高性价比的先进视觉编码器家族，专注于多模态学习。
图像增强
Transformers
O
UCSC-VLAA
16
0
Openvision Vit Tiny Patch8 224
Apache-2.0
OpenVision是一个全开放、高性价比的先进视觉编码器家族，专注于多模态学习。
多模态融合
O
UCSC-VLAA
123
0
Openvision Vit Tiny Patch16 384
Apache-2.0
OpenVision是一个全开放、高性价比的先进视觉编码器家族，专注于多模态学习。
图像特征提取
O
UCSC-VLAA
19
0
Openvision Vit Tiny Patch16 160
Apache-2.0
OpenVision是一个全开放、高性价比的先进视觉编码器家族，专注于多模态学习。
多模态融合
Transformers
O
UCSC-VLAA
30
0
Vit So400m Patch16 Siglip Gap 384.v2 Webli
Apache-2.0
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。
图像分类
Transformers
V
timm
19
0
Vit So400m Patch16 Siglip Gap 256.v2 Webli
Apache-2.0
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。
文本生成图像
Transformers
V
timm
22
0
Vit So400m Patch16 Siglip 512.v2 Webli
Apache-2.0
基于SigLIP 2的视觉Transformer模型，专为图像特征提取设计，适用于多语言视觉-语言任务。
文本生成图像
Transformers
V
timm
2,766
0
Vit So400m Patch16 Siglip 384.v2 Webli
Apache-2.0
基于SigLIP 2的视觉Transformer模型，专为图像特征提取设计，预训练于webli数据集
文本生成图像
Transformers
V
timm
2,073
0
Vit So400m Patch16 Siglip 256.v2 Webli
Apache-2.0
SigLIP 2 ViT模型，仅包含图像编码器部分，用于图像特征提取，基于WebLI数据集训练。
文本生成图像
Transformers
V
timm
12.56k
0
Vit So400m Patch14 Siglip Gap 378.v2 Webli
Apache-2.0
基于SigLIP 2架构的视觉Transformer模型，使用WebLI数据集预训练，移除了注意力池化头并采用全局平均池化
图像分类
Transformers
V
timm
20
0
Vit So400m Patch14 Siglip Gap 224.v2 Webli
Apache-2.0
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。
图像分类
Transformers
V
timm
179
0
Vit So400m Patch14 Siglip 378.v2 Webli
Apache-2.0
基于SigLIP 2的视觉Transformer模型，专为图像特征提取设计，训练于webli数据集
文本生成图像
Transformers
V
timm
30
0
Vit So400m Patch14 Siglip 224.v2 Webli
Apache-2.0
基于SigLIP 2架构的视觉Transformer模型，专为图像特征提取设计，预训练于webli数据集。
图像分类
Transformers
V
timm
7,005
0
Vit Large Patch16 Siglip Gap 512.v2 Webli
Apache-2.0
基于SigLIP 2架构的视觉Transformer模型，专为图像特征提取设计，采用全局平均池化(GAP)替代注意力池化头部
图像分类
Transformers
V
timm
29
0
Vit Large Patch16 Siglip Gap 384.v2 Webli
Apache-2.0
基于SigLIP 2架构的视觉Transformer模型，采用全局平均池化(GAP)的变体，移除了注意力池化头，适用于图像特征提取任务。
文本生成图像
Transformers
V
timm
95
0
Vit Large Patch16 Siglip Gap 256.v2 Webli
Apache-2.0
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，专为图像特征提取设计。
文本生成图像
Transformers
V
timm
95
0
Vit Large Patch16 Siglip 512.v2 Webli
Apache-2.0
基于SigLIP 2的ViT图像编码器，专为timm设计，适用于视觉-语言任务
图像分类
Transformers
V
timm
295
0
Vit Large Patch16 Siglip 384.v2 Webli
Apache-2.0
基于SigLIP 2架构的视觉Transformer模型，专为图像特征提取设计，预训练于webli数据集
文本生成图像
Transformers
V
timm
4,265
0
Vit Large Patch16 Siglip 256.v2 Webli
Apache-2.0
基于SigLIP 2架构的视觉Transformer模型，专为图像特征提取设计，训练于webli数据集
图像分类
Transformers
V
timm
525
0
Vit Giantopt Patch16 Siglip Gap 384.v2 Webli
Apache-2.0
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。
图像分类
Transformers
V
timm
21
0
Vit Giantopt Patch16 Siglip Gap 256.v2 Webli
Apache-2.0
SigLIP 2 ViT图像编码器，采用全局平均池化，移除了注意力池化头，专为timm设计
图像分类
Transformers
V
timm
17
0
Vit Giantopt Patch16 Siglip 384.v2 Webli
Apache-2.0
基于SigLIP 2的ViT图像编码器，专为timm设计，适用于视觉语言任务
图像分类
Transformers
V
timm
160
0
Vit Giantopt Patch16 Siglip 256.v2 Webli
Apache-2.0
基于SigLIP 2技术的视觉Transformer模型，专注于图像特征提取
文本生成图像
Transformers
V
timm
59
0
Vit Base Patch32 Siglip Gap 256.v2 Webli
Apache-2.0
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
文本生成图像
Transformers
V
timm
25
1
Vit Base Patch32 Siglip 256.v2 Webli
Apache-2.0
基于SigLIP 2架构的视觉Transformer模型，专为图像特征提取设计
文本生成图像
Transformers
V
timm
27
0
Vit Base Patch16 Siglip Gap 512.v2 Webli
Apache-2.0
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。
图像分类
Transformers
V
timm
105
0
Vit Base Patch16 Siglip Gap 384.v2 Webli
Apache-2.0
基于SigLIP 2的ViT图像编码器，使用全局平均池化(GAP)替代注意力池化头，适用于图像特征提取任务。
图像分类
Transformers
V
timm
105
0
Vit Base Patch16 Siglip Gap 256.v2 Webli
Apache-2.0
基于SigLIP 2的ViT图像编码器，采用全局平均池化，移除注意力池化头，适用于图像特征提取。
多模态融合
Transformers
V
timm
114
1
Vit Base Patch16 Siglip Gap 224.v2 Webli
Apache-2.0
基于SigLIP 2的视觉变换器模型，采用全局平均池化处理图像特征
图像分类
Transformers
V
timm
303
0
Vit Base Patch16 Siglip 512.v2 Webli
Apache-2.0
基于SigLIP 2的视觉变换器模型，专为图像特征提取设计，使用webli数据集预训练
文本生成图像
Transformers
V
timm
2,664
0
Vit Base Patch16 Siglip 384.v2 Webli
Apache-2.0
基于SigLIP 2的视觉变换器模型，专为图像特征提取设计，使用webli数据集预训练
文本生成图像
Transformers
V
timm
330
0