AIbase

视觉特征提取
Dinov2 Base ONNX
这是facebook/dinov2-base模型的ONNX格式版本，适用于计算机视觉任务。
图像嵌入
Transformers
D
onnx-community
19
0
Comp SigLIP So400M
Apache-2.0
CoMP-MM-1B是一个支持原生图像分辨率输入的视觉基础模型（VFM），基于SigLIP持续预训练而成。
多模态融合
C
SliMM-X
33
1
Sam2 Hiera Large.fb R1024 2pt1
Apache-2.0
基于HieraDet图像编码器的SAM2模型，专注于高效图像特征提取
图像分割
Transformers
S
timm
31
0
Sam2 Hiera Large.fb R1024
Apache-2.0
基于timm库的SAM2模型，仅包含HieraDet图像编码器部分，适用于图像特征提取任务。
图像分割
Transformers
S
timm
747
0
Dinov2.giant.patch 14.reg 4
Apache-2.0
DINOv2是一个基于视觉变换器(ViT)的图像特征提取模型，通过引入寄存器机制提升了特征提取能力。
图像特征提取
D
refiners
17
0
C RADIO
其他
NVIDIA开发的视觉特征提取模型，用于生成图像嵌入，支持下游任务如图像分类。
视觉特征提取
Transformers
C
nvidia
398
14
Dinov2 Large
DINOv2是Facebook Research发布的视觉模型，通过自监督学习提取通用视觉特征，适用于多种下游任务。
图像嵌入
Transformers
D
Xenova
82
1
Dpt Dinov2 Giant Kitti
Apache-2.0
使用DINOv2作为骨干网络的DPT框架，用于深度估计任务。
3D视觉
Transformers
D
facebook
56
0
Dpt Dinov2 Large Kitti
Apache-2.0
该模型采用DINOv2作为骨干网络的DPT框架，专注于深度估计任务。
3D视觉
Transformers
D
facebook
26
2
Autotrain Ex And Pt 3122688388
这是一个使用AutoTrain训练的多类别图像分类模型，能够识别多种物体类别。
图像分类
Transformers
A
Lloviant
17
0
Cvt 13
Apache-2.0
CvT-13是一种结合卷积神经网络和视觉变换器的混合架构模型，在ImageNet-1k数据集上预训练完成，适用于图像分类任务。
图像分类
Transformers
C
microsoft
21.80k
11
Regnet Y 032
Apache-2.0
基于imagenet-1k训练的RegNet图像分类模型，通过神经架构搜索设计的高效网络结构
图像分类
Transformers
R
facebook
21
0
Dino Vits16
Apache-2.0
基于DINO方法自监督训练的视觉Transformer模型，适用于图像特征提取
图像分类
Transformers
D
facebook
47.32k
16