SigLIP2に匹敵する画像エンコーダーをフルスクラッチで開発した話
- SigLIP2と同等の英語性能を維持しつつ、日本語・中国語ベンチマークで上回る画像エンコーダーをスクラッチで開発した
- ViT-SO400M-14-SigLIP2構造を採用し、Interleavedデータの処理とRecaptionデータのフィルタリングを実施
- 日本語・中国語のドキュメント理解タスクでSigLIP2を上回る結果を確認し、画像・テキストの対応付けが向上している
SigLIP2に匹敵する画像エンコーダーをフルスクラッチで開発した話


