OpenCLIP项目对SigLip 2视觉语言模型的支持进展
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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~050CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0302- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









