/ Модель

Характеристики

Параметры
545 млн
Архитектура
videollama3_vision_encoder · dense
Библиотека
transformers
Опубликована
21 янв 2025

SigLIP-NaViT

ЭмбеддингиТекст → embedding3 профессии

Визуальный энкодер DAMO-NLP-SG примерно на 545 млн параметров для извлечения признаков изображений и использования в системах VideoLLaMA 3.

9 012скачиваний за 30 дней2лайкавеса обновлены12 ноя 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

DAMO-NLP-SG/SigLIP-NaViT — визуальный энкодер из семейства VideoLLaMA 3, опубликованный группой Language Technology Lab при Alibaba DAMO Academy. Репозиторий содержит модель примерно на 544,9 млн параметров и помечен для извлечения признаков; его можно подключать как vision encoder в системах VideoLLaMA 3.

Модель предназначена для извлечения признаков из изображений в составе мультимодальных систем. Карточка Hugging Face автоматически сгенерирована и не раскрывает архитектурные детали, точные сценарии использования, лицензию или ограничения; поэтому эти характеристики нельзя надёжно уточнить.

Сценарии применения

  • извлечение визуальных признаков из изображений
  • подключение энкодера изображений к VideoLLaMA 3

Ограничения

Карточка модели не приводит оценок качества, подробных технических характеристик или явных сведений о лицензии и ограничениях. Для загрузки через Transformers указан параметр trust_remote_code=True.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
Videollama3VisionEncoderModel
Ревизия весов
50e9f5a

0 моделей