[輪講] SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features
Google DeepMind が2025年2月に公開した SigLIP 2 についての輪講資料です。
多様な下流タスクの性能を改善するよう CLIP 型モデルを改良した手法であり実用性に優れるほか、多くの技術と関連があるため分野の俯瞰にも役立つ内容となっています。
Naoki Kato
June 04, 2025