/ Модель

Характеристики

Контекст
77 токенов
Архитектура
clip · dense
Базовая модель
clip-ViT-B-32
Библиотека
sentence-transformers
Опубликована
23 сен 2026

Kiel-2-Optic

ЭмбеддингиТекст → embedding

Мультимодальная CLIP-модель создаёт эмбеддинги текста и изображений для поиска сходства, сопоставления и классификации без дополнительного обучения.

126скачиваний за 30 дней0лайковвеса обновлены27 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

Kiel-2-Optic — мультимодальная модель эмбеддингов на основе sentence-transformers/clip-ViT-B-32, опубликованная пользователем kiel2. Она кодирует текст и изображения в общее плотное векторное пространство размерностью 512 и предназначена для поиска семантически близких текстов и изображений, сопоставления текста с изображением и классификации без дополнительного обучения. Для сравнения в README указана косинусная мера сходства.

Модель реализована как Sentence Transformer с архитектурой CLIPModel и рассчитана на последовательности текста длиной до 77 токенов. Её можно применять для мультимодального поиска и ранжирования кандидатов по близости эмбеддингов. Данные не описывают обучение на определённых языках или предметных областях, поэтому языковая и доменная специализация не заявлена. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск изображений по текстовому запросу
  • поиск текстов, соответствующих изображению
  • сопоставление описаний с изображениями
  • семантическое сравнение текстовых фрагментов
  • классификация изображений по текстовым меткам без дообучения

Ограничения

Текст ограничен длиной 77 токенов. В предоставленных данных не указаны поддерживаемые языки и лицензия.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Kiel-2-Optic

Kiel-2-Optic is a specialized multimodal text and image embedding model based on sentence-transformers/clip-ViT-B-32.

This is a sentence-transformers model that maps text and images into a shared 512-dimensional dense vector space optimized for multimodal semantic similarity, zero-shot classification, and image-text retrieval tasks.


Model Details

Model Description

  • Model Type: Sentence Transformer / Multimodal Embedding Backbone
  • Base Model: sentence-transformers/clip-ViT-B-32
  • Maximum Sequence Length: 77 tokens
  • Output Dimensionality: 512 dimensions
  • Similarity Function: Cosine Similarity
  • Supported Modalities: Text, Image

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'get_text_features', 'method_output_name': 'pooler_output'}, 'image': {'method': 'get_image_features', 'method_output_name': 'pooler_output'}}, 'module_output_name': 'sentence_embedding', 'architecture': 'CLIPModel'})
)
Direct Usage (Sentence Transformers)
First, install the Sentence Transformers library:

Bash
pip install -U sentence-transformers
Then load your model and run inference:

Python
from sentence_transformers import SentenceTransformer

# Load your model from the Hugging Face Hub
model = SentenceTransformer("kiel2/Kiel-2-Optic")

# Run inference
sentences = [
    'Tornadoes , up to a foot of rain and hail as big as cantaloupes pounded southern Nebraska and northern Kansas , killing one man and destroying at least four homes .',
    'Up to a foot of rain and at least seven tornadoes pounded southern Nebraska and northern Kansas , killing a man and destroying at least four homes .',
    'The move follows a recent proposal by Mr Vajpayee , whoended an 18-month chill in relations by ordering normalisation of diplomatic links and restoration of air services with Pakistan .',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 512]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
Citation
Code snippet
@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "[https://arxiv.org/abs/1908.10084](https://arxiv.org/abs/1908.10084)",
}

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Нельзя запустить

Первый модуль sentence-transformers (sentence_transformers.sentence_transformer.modules.clip_model.CLIPModel) рантайм не поддерживает.

Класс архитектуры
CLIPModel
Ревизия весов
6c26c45

0 моделей