/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
tianmu_mere · dense
Базовая модель
siglip2-so400m-patch14-384
Библиотека
transformers
Опубликована
16 июн 2026

Tianmu-MERE

ЭмбеддингиТекст → embedding3 профессии

Мультимодальная модель эмбеддингов для поиска и сопоставления товаров по тексту, изображениям и кадрам видео в электронной коммерции.

86скачиваний за 30 дней4лайкавеса обновлены17 июн 2026

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

Tianmu-MERE — мультимодальная модель эмбеддингов для поиска и сопоставления товаров в электронной коммерции. Она разработана TianmuLab и использует архитектуру с двумя энкодерами: визуальный энкодер на основе SigLIP2 и текстовый энкодер на основе BGE. Энкодеры совместно обучены представлять изображения товаров, кадры видео и текстовые описания в общем векторном пространстве.

Модель предназначена для поиска товаров по изображению, тексту или кадру прямой трансляции, а также для сопоставления похожих товарных изображений и описаний. Она обучена на крупных китайских данных электронной коммерции, ориентирована прежде всего на моду и товары широкого потребления и демонстрирует результаты на бенчмарке LookBench. Репозиторий содержит веса в формате Safetensors и файлы для работы через Transformers.

Модель оптимизирована для китайской электронной коммерции; качество может снижаться в областях, существенно отличающихся от обучающих данных. Лицензия — Apache-2.0.

Сценарии применения

  • поиск товаров по текстовому описанию
  • поиск товара по изображению
  • поиск товара по кадру прямой трансляции
  • поиск похожих изображений товаров
  • сопоставление карточки товара с изображением
  • ранжирование кандидатов товаров по релевантности

Ограничения

Модель в первую очередь оптимизирована для китайского поиска товаров, особенно в моде и товарах широкого потребления; качество может снижаться на данных из существенно отличающихся областей.

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

Tianmu-MERE

Tianmu-MERE (Multimodal E-commerce Retrieval Embedding) is a multimodal embedding model designed for product understanding and retrieval in real-world e-commerce scenarios.

The model learns unified representations for product images, livestream video frames, and textual descriptions within a shared embedding space, enabling fine-grained product retrieval and cross-modal matching.

Architecture

Tianmu-MERE adopts a dual-encoder architecture consisting of a SigLIP2-based vision encoder and a BGE-based text encoder.

Both encoders are optimized jointly to align product images, livestream video frames, and textual descriptions into a shared embedding space for fine-grained product retrieval.

Highlights

  • Unified embedding space for product images, livestream video frames, and text.
  • Designed for real-world e-commerce product retrieval.
  • Strong fine-grained product matching capability.
  • Supports image-to-image, text-to-image, and video-frame-to-product retrieval.
  • Trained on large-scale Chinese e-commerce data.
  • Achieves strong performance on the LookBench benchmark.

Benchmark Results

Tianmu-MERE demonstrates strong retrieval and ranking performance across both real-world and AI-generated evaluation subsets on LookBench.

DatasetCoarse@1Coarse@5Coarse@10Coarse@20Fine@1Fine@5Fine@10Fine@20nDCG@1nDCG@5nDCG@10nDCG@20
Real Studio91.9996.1497.9298.3269.6387.2490.6093.7763.2455.7553.4752.71
Real StreetLook77.7887.3689.7091.8558.2175.1379.1082.5749.8446.7444.3642.82
AI-Gen StreetLook88.7597.5098.7598.7578.7592.5095.6296.2569.4869.1670.3572.62
AI-Gen Studio93.7898.9699.48100.0079.2793.2696.3798.4566.3266.5766.9670.76

Repository Structure

Tianmu-MERE/
├── README.md
├── config.json
├── model.safetensors
├── modeling_tianmu_mere.py
├── vision_encoder/
│   └── config.json
├── text_encoder/
│   └── config.json
└── processor/
    ├── preprocessor_config.json
    ├── tokenizer.json
    ├── tokenizer_config.json
    ├── special_tokens_map.json
    └── vocab.txt
  • model.safetensors: trained Tianmu-MERE student weights.
  • config.json: package metadata and local paths.
  • modeling_tianmu_mere.py: minimal inference wrapper.
  • vision_encoder/config.json: vision tower architecture config.
  • text_encoder/config.json: text tower architecture config.
  • processor/: image processor and tokenizer files.

Requirements

pip install torch torchvision transformers safetensors pillow

Usage

Clone or download this repository, then load the local inference wrapper:

from pathlib import Path
import importlib.util
import sys

model_dir = Path("./Tianmu-MERE")
module_path = model_dir / "modeling_tianmu_mere.py"

spec = importlib.util.spec_from_file_location("modeling_tianmu_mere", module_path)
module = importlib.util.module_from_spec(spec)
sys.modules[spec.name] = module
spec.loader.exec_module(module)

model = module.TianmuMEREModel.from_pretrained(model_dir).eval()

Example image embedding:

image_embedding = model.encode_image(image)

Example text embedding:

text_embedding = model.encode_text("V领无袖碎花连衣裙")

Similarity computation:

similarity = image_embedding @ text_embedding.T

Training Data

Tianmu-MERE is trained on large-scale Chinese e-commerce data consisting of:

  • Product images.
  • Livestream video frames.
  • Product titles.
  • Product attribute descriptions.

The training objective focuses on multimodal alignment and fine-grained product retrieval.

Limitations

Tianmu-MERE is primarily optimized for Chinese e-commerce product retrieval. The current release focuses on fashion and general merchandise scenarios. Performance may degrade on domains that differ significantly from the training data.

License

This project is released under the Apache License 2.0.

Citation

If you find Tianmu-MERE useful in your research or applications, please cite:

@misc{tianmu_mere_2026,
  title = {Tianmu-MERE: Multimodal E-commerce Retrieval Embedding},
  author = {TianmuLab, Kuaishou Technology},
  year = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура tianmu_mere неизвестна transformers в образе рантайма.

Ревизия весов
9afbc02

0 моделей