返回全部动态
Google 发布 TIPSv2 SO400m/14 视觉语言模型
原标题：google/tipsv2-so400m14
AI 摘要
Google 发布了 TIPSv2 系列视觉-语言模型，其中 SO400m/14 变体拥有 4.12 亿视觉参数和 4.48 亿文本参数，通过对比学习生成空间丰富的图像特征，支持零样本分类和分割。该模型基于 ViT 架构，采用 Apache 2.0 许可，并提供了完整的代码示例和预训练权重。
以上摘要由 AI 生成，可能存在误差。事实请以原文为准。
正文节选
--- license: apache-2.0 tags: - vision - image-text - contrastive-learning - zero-shot - feature-extraction - arxiv:2604.12012 library_name: transformers pipeline_tag: zero-shot-image-classification --- # TIPSv2 — SO400m/14 TIPSv2 (Text-Image Pre-training with Spatial awareness) is a family of contrastive vision-language models that produce spatially rich image features aligned with text embeddings. This is the SO400m variant with 412M vision params and 448M text params. Try the code snippets
发布时间：2026-08-18 00:43
抓取时间：2026-08-18 00:48
来源机构：Hugging Face