/ Модель

Характеристики

Лицензия
MIT
Библиотека
open_clip
Опубликована
21 сен 2026

sea-clip-tiny-abl-loss-clip

Классификация изображений без дообученияИзображение, текст → label5 профессий

Мультиязычная модель CLIP для сопоставления изображений с текстом и классификации изображений по текстовым меткам без дообучения.

24скачиваний 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-abl-loss-clip — экспериментальный вариант мультиязычной модели CLIP, представленный как строка абляции в работе SEA-CLIP-Tiny для ACCV 2026. Модель обучена только с контрастивной функцией потерь, без компонента дистилляции. Она предназначена для сопоставления изображений и текстовых описаний и классификации изображений по текстовым меткам без дополнительного обучения.

Архитектура включает визуальную башню ViT-T/16 и 12-слойную текстовую башню шириной 384; размерность эмбеддингов — 512, всего 46,11 млн параметров. Текстовый энкодер использует CLIP BPE с контекстом 77 токенов. В карточке заявлены английский и ряд языков Юго-Восточной Азии. Модель загружается через open_clip, веса доступны в формате PyTorch.

В опубликованных результатах указаны точность zero-shot на ImageNet 31,4% и средний retrieval R@1 7,3% по наборам XM3600, Flickr30k-200 и XTD-200. Это контрольный вариант абляции, поэтому результаты относятся к конкретным экспериментальным настройкам и могут уступать основной модели SEA-CLIP-Tiny. Лицензия — MIT.

Сценарии применения

  • классификация изображений по заданным текстовым категориям
  • поиск изображений по текстовому запросу
  • поиск текстовых описаний, соответствующих изображению
  • оценка качества мультиязычного поиска изображений
  • сравнение контрастивного обучения CLIP с дистилляцией и без неё

Ограничения

Это экспериментальный вариант абляции, обученный только на контрастивной функции потерь; результаты могут отличаться от основной модели SEA-CLIP-Tiny. Контекст текстового энкодера ограничен 77 токенами.

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

SEA-CLIP-Tiny — ablation: Only CLIP

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 distillation objective: contrastive loss only (no distillation term).

Usage

import open_clip

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

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 + Mammoth-VL-SEA (12.72M 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
39.126.115.631.47.3

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
5a2c52a

0 моделей