/ Модель

Характеристики

Архитектура
siglip2 · dense
Базовая модель
siglip2-base-patch16-naflex
Библиотека
transformers
Опубликована
26 ноя 2025

siglip2-spectrum-icons-naflex

ЭмбеддингиТекст → embedding

Дообученный визуально-языковой энкодер SigLIP 2 для поиска Spectrum-иконок по тексту и сопоставления изображений с подписями.

121скачиваний за 30 дней0лайковвеса обновлены26 ноя 2025

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

JianLiao/siglip2-spectrum-icons-naflex — дообученная визуально-языковая модель на архитектуре SigLIP 2 от Google. Она предназначена для поиска и сопоставления Spectrum-иконок с текстовыми запросами и подписями: модель извлекает признаки изображений и текста для ранжирования результатов и проверки соответствия подписи изображению. Чекпойнт сохраняет архитектуру и токенизатор базовой модели; опубликован в формате safetensors и рассчитан на использование через Transformers.

Модель обучена на подписях к набору Spectrum-иконок. Она подходит для семантического поиска по намерению дизайна или меткам интерфейса, проверки подписей и подготовки эмбеддингов для векторного поиска. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск Spectrum-иконок по описанию или метке интерфейса
  • ранжирование иконок по соответствию текстовому запросу
  • проверка соответствия подписи изображению иконки
  • извлечение эмбеддингов иконок и запросов для векторного поиска

Ограничения

Модель настроена на изображения иконок; её качество на обычных фотографиях не оценивалось. Длинные тексты могут плохо сопоставляться с изображениями, поскольку обучение использовало краткие специализированные подписи.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SigLIP 2 - Fine-tuned for Spectrum Icons

This repository hosts a fine-tuned checkpoint derived from google/siglip2-base-patch16-naflex. The model keeps the SigLIP2 architecture and tokenizer from the base checkpoint and is optimized for: Image-text retrieval and caption alignment for Spectrum iconography.

Model Sources

Training Data

  • Spectrum icon set captions (internal).

Training Configuration

Phase 1

  • num_train_epochs: 32.0
  • learning_rate: 3e-05
  • per_device_train_batch_size: 144
  • gradient_accumulation_steps: 1
  • warmup_ratio: 0.05
  • weight_decay: 0.05
  • save_strategy: steps
  • eval_strategy: steps

Phase 2 Fine-tuning Hyperparameters

  • num_train_epochs: 8.0
  • learning_rate: 1e-05
  • per_device_train_batch_size: 144
  • gradient_accumulation_steps: 1
  • warmup_ratio: 0.02
  • weight_decay: 0.05
  • save_strategy: steps
  • eval_strategy: steps

How to Use

import torch
from transformers import AutoModel, AutoProcessor
from PIL import Image

processor = AutoProcessor.from_pretrained("JianLiao/siglip2-spectrum-icons-naflex", use_fast=False)
model = AutoModel.from_pretrained("JianLiao/siglip2-spectrum-icons-naflex", dtype=torch.float16, attn_implementation="sdpa")

image = Image.open("./image.png").convert("RGB")
inputs = processor(
    text=["display forecast", "Crystal ball with a small sparkle", "show prediction", "Minimalist fortune-telling orb on a stand", "Monochrome magic globe with star accent"],
    images=[image],
    return_tensors="pt",
    padding="max_length",
    max_num_patches=256
)

with torch.no_grad():
    outputs = model(**inputs)

image_embeds = outputs.vision_model_output.pooler_output
text_embeds = outputs.text_model_output.pooler_output
image_embeds = image_embeds / image_embeds.norm(dim=-1, keepdim=True)
text_embeds = text_embeds / text_embeds.norm(dim=-1, keepdim=True)
similarity = text_embeds @ image_embeds.T
print(similarity)

CPU example output:

tensor([[0.1677],
        [0.0732],
        [0.1676],
        [0.1084],
        [0.1381]], dtype=torch.float16)

Captions 1/3 rank highest for the icon; caption 5 remains competitive without losing descriptiveness. Sample icon: crystal-ball

Limitations

  • Tuned for icon imagery; performance on natural images is not evaluated.
  • Captions are domain-specific and concise; long-form text may not align well.

Intended Use

  • Icon search and retrieval: rank Spectrum-style icons by text queries (design intent or UI labels).
  • Caption verification: check alignment between proposed captions and icon visuals in QA pipelines.
  • Embedding export: produce text/image embeddings for downstream vector search in design tooling.

Changelog

  • 2025-11-26: Initial upload fine-tuned from google/siglip2-base-patch16-naflex.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Siglip2Model
Ревизия весов
5bfba0d

0 моделей