/ Модель

Характеристики

Контекст
77 токенов
Лицензия
MIT
Библиотека
open_clip
Опубликована
14 авг 2024

FARE4-ViT-B-32-laion2B-s34B-b79K

Классификация изображений без дообученияИзображение, текст → label5 профессий

Дообученная CLIP ViT-B/32 для устойчивого сравнения изображений и классификации по текстовым меткам без дополнительного обучения.

8 598скачиваний за 30 дней0лайковвеса обновлены10 мар 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

chs20/FARE4-ViT-B-32-laion2B-s34B-b79K — CLIP-модель с архитектурой ViT-B/32, дообученная методом FARE для повышения устойчивости к состязательным возмущениям. Базовая модель — laion/CLIP-ViT-B-32-laion2B-s34B-b79K; дообучение проводилось на ImageNet с ограничением L∞ и радиусом 4/255.

Модель предназначена для сравнения изображений по перцептивному сходству и классификации изображений по текстовым описаниям без дополнительного обучения. В README приведены результаты на задаче перцептивного сходства NIGHTS: 91,1 на чистых данных, 71,8 при возмущениях L∞ с ε=4/255 и 70,6 при L2 с ε=3.

Репозиторий использует библиотеку open_clip и содержит веса PyTorch и safetensors. Лицензия — MIT. Модель обрабатывает изображения и текстовые метки, формируя оценки соответствия; документация не сообщает о поддержке конкретных естественных языков.

Сценарии применения

  • сравнение изображений по перцептивному сходству
  • классификация изображений по текстовым меткам без дообучения
  • оценка устойчивости визуальных моделей к состязательным возмущениям

Ограничения

Дообучение проверено для возмущений L∞ радиусом 4/255; приведённые результаты на NIGHTS ниже на состязательных данных, чем на чистых. Языковая поддержка и качество на других наборах данных в карточке не описаны.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

[Paper] [GitHub]

Robust perceptual metric, based on CLIP model laion/CLIP-ViT-B-32-laion2B-s34B-b79K

Adversarially fine-tuned with FARE (Schlarmann et al. (2024)) on ImageNet with infinity-norm and radius 4/255.

Performance on the perceptual similarity task NIGHTS:

Clean     L-inf, eps=4/255     L2, eps=3
91.1      71.8                 70.6

Usage

model, _, image_processor = open_clip.create_model_and_transforms('hf-hub:chs20/FARE4-ViT-B-32-laion2B-s34B-b79K')

Citation

If you find this model useful, please consider citing our papers:

@inproceedings{croce2024adversarially,
  title={Adversarially Robust CLIP Models Can Induce Better (Robust) Perceptual Metrics},
  author={Croce, Francesco and Schlarmann, Christian and Singh, Naman Deep and Hein, Matthias},
  year={2025},
  booktitle={{SaTML}}
}
@inproceedings{schlarmann2024robustclip,
    title={Robust CLIP: Unsupervised Adversarial Fine-Tuning of Vision Embeddings for Robust Large Vision-Language Models}, 
    author={Schlarmann, Christian and Singh, Naman Deep and Croce, Francesco and Hein, Matthias},
    year={2024},
    booktitle={{ICML}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · open_clip

Нельзя запустить

Модели OpenCLIP требуют отдельного рантайма.

Ревизия весов
56598b3

0 моделей