基于掩码图像建模(MIM)预训练的ViT reg4图像编码器，适用于通用特征提取或下游视觉任务

Meissonic是一种非自回归的掩码图像建模文本生成图像模型，能够生成高分辨率图像，专为消费级显卡设计运行。

EVA02特征/表示模型，通过掩码图像建模在ImageNet-22k上预训练，适用于图像分类和特征提取任务。

EVA02特征/表示模型，通过掩码图像建模在Merged-38M数据集上预训练，适用于图像分类和特征提取任务。

EVA02基础版视觉表示模型，通过掩码图像建模在ImageNet-22k上预训练，适用于图像分类和特征提取任务。

BEiT是一种基于视觉Transformer（ViT）的图像分类模型，通过自监督方式在ImageNet-22k上预训练并在相同数据集上微调。

BEiT是一种基于视觉Transformer（ViT）的自监督学习模型，通过ImageNet-21k数据集预训练，用于图像分类任务。