Scraps 最終更新 2026/11/07 20:31

原文著者: @Mikihiro Tanaka /

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

AIで作成し、掲載基準に基づいて自動選定した要約です。

  • 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

Zenn / 原文を読む