google/siglip2-base-patch16-naflex
SigLIP 2 Base SigLIP 2(https://huggingface.co/papers/2502.14786) extends the pretraining objective of SigLIP(https://huggingface.co/papers/2303.15343) with prior, independently developed techniques into a unified recipe, for improved semantic unders...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#2 Repository Của Ngày
#2 Repository Của Ngày
#3 Repository Của Ngày
🔍 SigLIP 2: Mô hình thị giác ngôn ngữ đa ngôn ngữ mạnh mẽ từ Google
SigLIP 2 mở rộng objective pretraining của SigLIP bằng các kỹ thuật độc lập phát triển, tối ưu hóa hiểu biết ngữ nghĩa, định vị và đặc trưng dense.
SigLIP 2 (https://huggingface.co/papers/2502.14786) là phiên bản nâng cấp của SigLIP (https://huggingface.co/papers/2303.15343), phát triển bởi Google. Dự án kết hợp các kỹ thuật pretraining tiên tiến vào một công thức thống nhất, hỗ trợ phân loại hình ảnh zero-shot, truy xuất hình ảnh-văn bản và làm encoder thị giác cho các mô hình VL.
✨ Điểm nổi bật
- Zero-shot image classification: Phân loại hình ảnh mà không cần huấn luyện thêm.
- Image-text retrieval: Tìm kiếm hình ảnh dựa trên mô tả văn bản.
- Vision encoder cho VLMs: Dùng làm bộ mã hoá hình ảnh cho các mô hình đa phương tiện.
- Decoder loss: Cải tiến bằng mất mát giải mã.
- Global-local & masked prediction loss: Tối ưu dự đoán toàn cục và địa phương.
- Aspect ratio & resolution adaptibility: Thích ứng với tỉ lệ khung và độ phân giải khác nhau.
- Pre-trained trên WebLI: Huấn luyện trên bộ dữ liệu WebLI lớn.
- Hỗ trợ Transformers: Tích hợp sẵn với thư viện Transformers của Hugging Face.
💡 Vì sao đáng chú ý
SigLIP 2 nổi bật nhờ sự kết hợp các kỹ thuật pretraining độc lập phát triển, cải thiện đáng kể khả năng hiểu biết ngữ nghĩa và định vị so với phiên bản trước. Đặc biệt phù hợp cho các ứng dụng đa ngôn ngữ và các nhiệm vụ đòi hỏi đặc trưng dense từ hình ảnh. Mô hình được huấn luyện trên WebLI với 2048 chip TPU-v5e, đảm bảo hiệu năng mạnh mẽ.
#SigLIP2 #VisionLanguageModel #ZeroShotImageClassification #HuggingFace #TiniX
Similar Projects
Discover other similar projects and AI models.
SigLIP 2 So400m SigLIP 2(https://huggingface.co/papers/2502.14786) extends the pretraining objective of SigLIP(https://huggingface.co/papers/2303.15343) with prior, independently developed techniques into a unified recipe, for improved semantic unde...
Model Card: CLIP Disclaimer: The model card is taken and modified from the official CLIP repository, it can be found here(https://github.com/openai/CLIP/blob/main/model-card.md). Model Details The CLIP model was developed by researchers at OpenAI to...
SigLIP (shape-optimized model) SigLIP model pre-trained on WebLi at resolution 384x384. It was introduced in the paper Sigmoid Loss for Language Image Pre-Training(https://arxiv.org/abs/2303.15343) by Zhai et al. and first released in this repositor...
SigLIP 2 Base SigLIP 2(https://huggingface.co/papers/2502.14786) extends the pretraining objective of SigLIP(https://huggingface.co/papers/2303.15343) with prior, independently developed techniques into a unified recipe, for improved semantic unders...
SigLIP 2 Giant SigLIP 2(https://huggingface.co/papers/2502.14786) extends the pretraining objective of SigLIP(https://huggingface.co/papers/2303.15343) with prior, independently developed techniques into a unified recipe, for improved semantic under...
SigLIP 2 So400m SigLIP 2(https://huggingface.co/papers/2502.14786) extends the pretraining objective of SigLIP(https://huggingface.co/papers/2303.15343) with prior, independently developed techniques into a unified recipe, for improved semantic unde...
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
SigLIP (base-sized model) SigLIP model pre-trained on WebLi at resolution 224x224. It was introduced in the paper Sigmoid Loss for Language Image Pre-Training(https://arxiv.org/abs/2303.15343) by Zhai et al. and first released in this repository(htt...
Qwen3.8-27B !Note This repository contains model weights and configuration files for the post-trained model in the Hugging Face Transformers format. These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, TokenSpeed, etc. !Tip F...