/ Модель

Характеристики

Лицензия
MIT
Библиотека
open_clip
Опубликована
21 сен 2026

sea-clip-tiny-abl-loss-icl

Классификация изображений без дообученияИзображение, текст → label5 профессий

SEA-CLIP-Tiny — компактная мультиязычная CLIP-модель для классификации изображений по текстовым описаниям и поиска соответствий между изображениями и текстом.

22скачиваний 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 — вариант модели CLIP от авторов проекта SEA-CLIP-Tiny, представленный как абляция для статьи ACCV 2026. Это модель сопоставления изображений и текста с визуальной башней ViT-T/16 и 12-слойной текстовой башней шириной 384; размер эмбеддингов — 512, всего 46,11 млн параметров. Токенизатор CLIP BPE использует словарь из 49 408 токенов и контекст длиной 77 токенов.

Модель предназначена для классификации изображений по текстовым описаниям без дообучения на целевых классах, а также для поиска соответствий между изображениями и текстом. В этой абляции использована дистилляция с контрастивным и интерактивным контрастивным обучением; авторы приводят метрики поиска по изображениям и тексту и zero-shot точность на ImageNet. В README перечислены языки Юго-Восточной Азии, включая индонезийский, яванский, сунданский, малайский, тайский, вьетнамский и бирманский; метаданные также отмечают английский. Лицензия — MIT. Веса доступны в формате PyTorch.

Сценарии применения

  • классификация изображений по заданным текстовым меткам без дообучения
  • поиск изображений по текстовому запросу
  • поиск текстовых описаний, соответствующих изображению
  • оценка сходства между изображением и подписью

Ограничения

Контекст текстовой башни ограничен 77 токенами. README описывает абляционный вариант и приводит результаты для ограниченного набора тестов; эти показатели сами по себе не характеризуют качество на всех наборах данных и языках.

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: CLIP + ICL

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 + interactive contrastive learning only.

Usage

import open_clip

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

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
39.226.415.334.212.2

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
cb2bdb8

0 моделей