/ Модель

Характеристики

Контекст
77 токенов
Лицензия
CC BY-NC 4.0
Архитектура
clip · dense
Опубликована
7 окт 2023

metaclip-b32-fullcc2.5b

Классификация изображений без дообученияИзображение, текст → label7 профессий

MetaCLIP B/32 FullCC2.5B сопоставляет изображения и текст для zero-shot классификации и поиска по изображениям или описаниям.

372скачиваний за 30 дней9лайковвеса обновлены8 окт 2023

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 B/32 FullCC2.5B — модель семейства CLIP, разработанная командой MetaCLIP и представленная в работе Demystifying CLIP Data. Версия обучалась на 2,5 млрд примеров из CommonCrawl; обозначение B/32 указывает на базовый размер модели и разрешение патчей 32. Модель сопоставляет изображения и текст в общем пространстве представлений и предназначена для сценариев zero-shot классификации изображений и поиска по текстовому или визуальному запросу.

Модель принимает изображение или текст и формирует векторные представления, по которым можно оценивать соответствие между ними. Это позволяет классифицировать изображения по текстовым описаниям без обучения отдельного классификатора, находить изображения по запросу и подбирать текст к изображению. Репозиторий содержит веса PyTorch и использует библиотеку Transformers. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

  • классификация изображений по текстовым категориям без обучения
  • поиск изображений по текстовому запросу
  • поиск текстовых описаний, соответствующих изображению
  • сопоставление изображений и подписей

Ограничения

Модель предназначена для сопоставления изображений и текста и сама по себе не является генератором изображений или текстовых ответов. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование.

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

MetaCLIP model, base-sized version, patch resolution 32

MetaCLIP model applied to 2.5 billion data points of CommonCrawl (CC). It was introduced in the paper Demystifying CLIP Data by Xu et al. and first released in this repository.

Disclaimer: The team releasing MetaCLIP did not write a model card for this model so this model card has been written by the Hugging Face team.

Model description

The Demystifying CLIP Data paper aims to reveal CLIP’s method around training data curation. OpenAI never open-sourced code regarding their data preparation pipeline.

CLIP high-level overview. Taken from the CLIP paper.

Intended uses & limitations

You can use the raw model for linking images with text in a shared embedding space. This enables things like zero-shot image classification, text-based image retrieval, image-based text retrieval, etc.

How to use

We refer to the docs. Just replace the names of the models on the hub.

BibTeX entry and citation info

@misc{xu2023demystifying,
      title={Demystifying CLIP Data}, 
      author={Hu Xu and Saining Xie and Xiaoqing Ellen Tan and Po-Yao Huang and Russell Howes and Vasu Sharma and Shang-Wen Li and Gargi Ghosh and Luke Zettlemoyer and Christoph Feichtenhofer},
      year={2023},
      eprint={2309.16671},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · zero-shot-image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
CLIPModel
Ревизия весов
3b0425e

0 моделей