GIST-Embedding-v0 是一个基于 sentence-transformers 的句子嵌入模型，主要用于句子相似度计算和特征提取任务。

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。

AIM-v2是一个基于timm库的图像特征提取模型，采用大尺寸补丁设计，适用于高分辨率图像处理。

AIM-v2是一个基于timm库的图像编码器，采用蒸馏训练方法，适用于图像特征提取任务。

AIM-v2是一个高效的图像编码器，基于timm库实现，适用于图像特征提取任务。

基于SigLIP的视觉Transformer模型，仅包含图像编码器部分，采用原始注意力池化机制

DINOv2是一个基于视觉变换器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。

DINOv2 large是基于自监督学习的大规模视觉特征提取模型，能够生成鲁棒的图像特征表示。

基于关键点相对位置编码的人脸识别模型，采用ViT架构并在WebFace12M数据集上训练

基于ArcFace损失函数的深度人脸识别模型，使用IR101架构在WebFace4M数据集上训练

基于Swin-L架构的图像特征模型，专为动物重识别任务设计，在生态学领域有广泛应用。