基于视觉Transformer(ViT)的大规模图像特征提取模型，采用自监督掩码自编码器(MAE)方法在ImageNet-1k数据集上预训练

基于视觉Transformer(ViT)的自监督图像特征提取模型，采用DINO方法训练

基于自监督DINO方法训练的视觉Transformer（ViT）图像特征模型，适用于图像分类和特征提取任务。

BEiT是一种基于视觉Transformer的模型，通过自监督学习在ImageNet-21k数据集上预训练，用于图像分类任务。

基于DINO自监督方法训练的视觉Transformer模型，采用ViT架构，在ImageNet-1k数据集上预训练。

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。