/ Модель

Характеристики

Лицензия
MIT
Библиотека
open_clip
Опубликована
21 сен 2026

sea-clip-tiny-abl-cc12m-sea

Классификация изображений без дообученияИзображение, текст → label

Экспериментальная мультиязычная CLIP-модель для сопоставления изображений с текстом и классификации изображений по текстовым меткам без дообучения.

20скачиваний за 30 дней0лайковвеса обновлены21 сен 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

SEA-CLIP-Tiny — экспериментальный чекпойнт из абляции статьи ACCV 2026, разработанный авторами проекта SEA-CLIP-Tiny. Модель использует архитектуру OpenCLIP: визуальный энкодер ViT-T/16 и 12-слойный текстовый энкодер шириной 384; размерность совместных эмбеддингов — 512, всего 46,11 млн параметров. Текстовый токенизатор CLIP BPE имеет контекст 77 токенов.

Чекпойнт обучен на смеси CC12M и данных Юго-Восточной Азии; это вариант абляционного сравнения, где от основной модели отличается состав обучающей смеси. Он предназначен для сопоставления изображений и текстовых запросов, включая классификацию изображений по произвольным текстовым меткам без обучения на этих метках. Карточка приводит результаты поиска по изображению и нулевой классификации ImageNet.

Модель принимает изображения и текстовые описания, преобразует их в эмбеддинги для сравнения и поддерживает английский, индонезийский, яванский, сунданский, малайский, тайский, вьетнамский и бирманский языки. Репозиторий распространяется под лицензией MIT. Это абляционный чекпойнт, поэтому его показатели следует интерпретировать в контексте оценки обучающих смесей; результаты не гарантируют качество на других наборах данных и языках.

Сценарии применения

  • классификация изображений по пользовательским текстовым категориям
  • поиск изображений по текстовому описанию
  • поиск подходящих описаний для изображения
  • оценка мультиязычных CLIP-моделей на данных Юго-Восточной Азии

Ограничения

Чекпойнт представляет одну строку абляционного сравнения, а приведённые результаты относятся к указанным в карточке тестам; качество на иных данных не подтверждено. Контекст текстового энкодера ограничен 77 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SEA-CLIP-Tiny — ablation: CC12M + SEA

One row of the ablation table of SEA-CLIP-Tiny (ACCV 2026). Same architecture, pipeline and hyperparameters as the main model; the difference is the training mixture.

Usage

import open_clip

model, _, preprocess = open_clip.create_model_and_transforms('hf-hub:fassabilf/sea-clip-tiny-abl-cc12m-sea')
tokenizer = open_clip.get_tokenizer('hf-hub:fassabilf/sea-clip-tiny-abl-cc12m-sea')

Model

ArchitectureViT-T/16 vision tower + 12-layer / 384-wide text tower, embed dim 512
TokenizerCLIP BPE, vocab 49408, context length 77
Parameters46.11M (5.62M vision + 40.49M text)
Training dataCC12M + CulturalGround-OE-filt + WIT + Bloom (12.18M pairs)
TeacherMetaCLIP2-ViT-B-16-worldwide

Results

Retrieval R@1 on the held-out splits of each training source, zero-shot ImageNet accuracy, and the paper's retrieval-only Avg@1 over XM3600, Flickr30k-200 and XTD-200 (%).

CG R@1WIT R@1Bloom R@1ImageNetR@1-Avg
33.325.216.137.49.1

Reproduce

Training and evaluation code: https://github.com/fassabilf/sea-clip-tiny. The exact training configuration of this checkpoint is in params.txt in this repo.

Citation

@inproceedings{seacliptiny2026,
  title     = {SEA-CLIP-Tiny: Efficient Multilingual Text-Vision Embedding for Southeast Asian Languages},
  booktitle = {Asian Conference on Computer Vision (ACCV)},
  year      = {2026}
}

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
e897c2c

0 моделей