/ Модель

Характеристики

Размер весов
7,4 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
metaclip_2 · dense
Библиотека
transformers
Опубликована
31 июл 2025

metaclip-2-worldwide-huge-378

Классификация изображений без дообученияИзображение, текст → label7 профессий

Многоязычная модель MetaCLIP 2 сопоставляет изображения с текстовыми метками для классификации без обучения на заданных классах.

10 777скачиваний за 30 дней8лайковвеса обновлены18 авг 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

MetaCLIP 2 (worldwide) — мультимодальная модель семейства CLIP, разработанная Meta и представленная в работе «MetaCLIP 2: A Worldwide Scaling Recipe». Этот чекпойнт соответствует варианту ViT-H-14-378-worldwide из оригинальной реализации; для работы с ним предусмотрена библиотека Transformers.

Модель предназначена для классификации изображений по текстовым описаниям без предварительного обучения на конкретных классах. Она сопоставляет изображения и текстовые метки, что позволяет задавать категории на естественном языке. Карточка указывает на многоязычную поддержку. Веса опубликованы в формате safetensors.

Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Сценарии применения

  • классификация изображений по заданным текстовым категориям
  • поиск подходящих подписей для изображения
  • распределение изображений по категориям без обучения классификатора
  • многоязычная классификация изображений по текстовым описаниям

Ограничения

Лицензия CC BY-NC 4.0 ограничивает коммерческое использование. README не приводит результатов оценки качества или дополнительных рекомендаций по ограничениям модели.

Для каких профессий подходит7

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

Model Card for MetaCLIP 2 (worldwide)

MetaCLIP 2 (worldwide) was presented in MetaCLIP 2: A Worldwide Scaling Recipe.

This checkpoint corresponds to "ViT-H-14-378-worldwide" of the original implementation.

Install

First install the Transformers library (from source for now):

pip install -q git+https://github.com/huggingface/transformers.git

Usage

Next you can use it like so:

import torch
from transformers import pipeline

clip = pipeline(
   task="zero-shot-image-classification",
   model="facebook/metaclip-2-worldwide-huge-378",
   torch_dtype=torch.bfloat16,
   device=0
)
labels = ["a photo of a cat", "a photo of a dog", "a photo of a car"]

results = clip("http://images.cocodataset.org/val2017/000000039769.jpg", candidate_labels=labels)
print(results)

In case you want to perform pre- and postprocessing yourself, you can use the AutoModel API:

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

# note: make sure to verify that `AutoModel` is an instance of `MetaCLIP2Model`
model = AutoModel.from_pretrained("facebook/metaclip-2-worldwide-huge-378", torch_dtype=torch.bfloat16, attn_implementation="sdpa")
processor = AutoProcessor.from_pretrained("facebook/metaclip-2-worldwide-huge-378")

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)
labels = ["a photo of a cat", "a photo of a dog", "a photo of a car"]

inputs = processor(text=labels, images=image, return_tensors="pt", padding=True)

outputs = model(**inputs)
logits_per_image = outputs.logits_per_image
probs = logits_per_image.softmax(dim=1)
most_likely_idx = probs.argmax(dim=1).item()
most_likely_label = labels[most_likely_idx]
print(f"Most likely label: {most_likely_label} with probability: {probs[0][most_likely_idx].item():.3f}")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · zero-shot-image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
MetaCLIP2Model
Ревизия весов
2baff0d

0 моделей