SigLIP 2：多语言视觉语言编码器升级

Hugging Face 发布 SigLIP 2，这是对 SigLIP 视觉语言模型的改进版本。SigLIP 2 在多个方面进行了增强，包括更好的多语言支持、更高的性能以及更高效的训练。该模型在图像-文本匹配、零样本分类等任务上表现更优，并支持多种语言。SigLIP 2 基于 sigmoid 损失函数进行训练，避免了传统 softmax 损失中的全局归一化问题，从而在大规模数据上更高效。Hugging Face 提供了预训练权重和模型卡，方便开发者直接使用或微调。