首页
/ OpenCLIP项目对SigLip 2视觉语言模型的支持进展

OpenCLIP项目对SigLip 2视觉语言模型的支持进展

2025-05-20 14:26:35作者:董宙帆

近日,OpenCLIP项目团队宣布已完成对Google最新发布的SigLip 2系列视觉语言模型的全面支持。这一进展为计算机视觉和自然语言处理领域的研究者提供了更多强大的预训练模型选择。

SigLip 2是Google推出的新一代视觉语言模型家族,采用了创新的Sigmoid损失函数替代传统的Softmax,在跨模态任务中展现出卓越的性能。OpenCLIP作为开源的视觉语言预训练框架,其快速集成新模型的能力一直备受社区关注。

根据项目核心开发者透露,目前已完成所有固定分辨率SigLip 2模型的测试和验证工作。这些模型在ImageNet-1k零样本分类任务上表现优异,其中:

  • B/16-512模型达到81.29%的top1准确率
  • L/16-512模型达到83.50%的top1准确率
  • SO/16-512模型达到84.27%的top1准确率
  • gopt/16-384模型表现最佳,达到84.88%的top1准确率

值得注意的是,这些评估结果是在混合精度(AMP)和bfloat16格式下获得的,与原始JAX实现的结果差异在预期范围内。开发者采用了双三次插值作为默认的图像缩放方法,这与Transformers库的实现略有不同,导致准确率存在微小差异。

对于可变分辨率的NAFLEX模型,开发者表示需要更深入的工程考虑。这类模型采用了序列打包(sequence packing)技术,能够处理不同长宽比的输入图像。然而,将这种可变分辨率处理机制整合到PyTorch训练管道中面临技术挑战,特别是如何在不显著降低训练效率的情况下,合理划分数据加载器和模型之间的职责边界。

项目团队计划在未来版本中逐步完善对可变分辨率模型的支持,而不会仅仅提供推理解决方案。目前,用户已经可以通过OpenCLIP主分支和timm库的组合来使用固定分辨率的SigLip 2模型。预计本周末将发布包含这些新特性的正式版本。

这一进展标志着OpenCLIP项目继续保持其在多模态学习领域的领先地位,为研究社区提供了更多前沿的预训练模型选择。开发者社区对SigLip 2系列模型的快速支持也展现了项目的活跃度和技术实力。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
505
42
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
938
554
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
333
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70