/ Модель

Характеристики

Контекст
77 токенов
Лицензия
MIT
Архитектура
clip · dense
Базовая модель
clip-vit-base-patch16
Опубликована
6 апр 2025

PHOENIX-patent-retrieval

Преобразование изображенийИзображение, текст → изображение3 профессии

PHOENIX — дообученная модель CLIP для поиска семантически связанных патентных чертежей по изображениям.

12скачиваний за 30 дней2лайкавеса обновлены7 апр 2025

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

PHOENIX — разработанная для поиска патентных изображений модель на основе CLIP ViT-B/16 от OpenAI, дообученная с помощью иерархического многоположительного контрастивного обучения. Она кодирует технические чертежи и иллюстрации из патентных документов в векторные представления, чтобы находить визуально или семантически близкие изобретения, в том числе из разных патентов и подклассов Locarno. Модель предназначена для поиска аналогов и предшествующего уровня техники, группировки изображений патентов и анализа сходства дизайнов. В README сообщается об оценке на наборе DeepPatent2 и улучшении поиска внутри категорий и переноса между связанными категориями; для получения эмбеддингов и вычисления косинусного сходства приведён сценарий использования через Transformers.

Модель принимает изображения и выдаёт векторные представления, пригодные для поиска по сходству. Она адаптирована к патентным техническим изображениям и использует иерархию классификации Locarno. Репозиторий распространяется по лицензии MIT. README описывает обёртку с классом PatentEmbeddingModel, тогда как метаданные указывают архитектуру CLIPModel; реализацию интеграции следует сверить с файлами репозитория. Модель предназначена для извлечения признаков и поиска изображений, а не для генерации изображений.

Сценарии применения

  • поиск похожих патентных чертежей между разными патентами
  • поиск предшествующего уровня техники по технической иллюстрации
  • поиск изображений изобретений в той же категории Locarno
  • кластеризация патентных изображений по смысловому сходству
  • сравнение дизайнов и выявление потенциально пересекающихся решений

Ограничения

Модель адаптирована к патентным изображениям и классификации Locarno; качество для обычных изображений или иных областей в README не подтверждено. Для поиска требуется извлекать эмбеддинги и сравнивать их, например, по косинусному сходству.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PHOENIX: Hierarchical Contrastive Learning for Patent Image Retrieval

PHOENIX is a domain-adapted CLIP/ViT-based model designed to improve patent image retrieval. It addresses the unique challenges of retrieving relevant technical drawings in patent documents, especially when searching for semantically or hierarchically related images, not just exact matches.

This model is based on openai/clip-vit-base-patch16 and fine-tuned using a hierarchical multi-positive contrastive loss that leverages Locarno classification — an international system used to categorize industrial designs.


🧠 Motivation

Patent images are often complex technical illustrations that encode detailed structural or functional aspects of an invention. Current systems typically retrieve images from the same patent but fail when asked to retrieve semantically similar inventions across different patents or subclasses.

For instance, a retrieval system should understand that a "foldable camping chair" and a "stackable office chair" both fall under the broader "seating" category — even if their visual structure differs.


🔍 What This Model Does

  • Leverages CLIP ViT for visual understanding of technical drawings
  • Trains using hierarchical multi-positive contrastive learning to encode Locarno structure:
    Furniture → Seating → Chairs → Specific Patent
    
  • Encodes images such that semantically similar inventions are close in the embedding space — even if from different patents or subclasses

📦 How to Use

Load Model

from transformers import CLIPModel, CLIPProcessor
from PIL import Image
import torch

# Load fine-tuned model and processor
model = CLIPModel.from_pretrained("kshitij3188/PHOENIX-patent-retrieval")
processor = CLIPProcessor.from_pretrained("kshitij3188/PHOENIX-patent-retrieval")

model.eval()

Extract Embeddings

from torchvision import transforms

def extract_image_embedding(image_path):
    image = Image.open(image_path).convert("RGB")
    inputs = processor(images=image, return_tensors="pt")
    with torch.no_grad():
        embedding = model.get_image_features(**inputs).squeeze()
    return embedding

# Example
embedding = extract_image_embedding("some_patent_image.png")
print("🔍 Image embedding shape:", embedding.shape)

You can now compare cosine similarity between embeddings to retrieve similar patent drawings.


🏆 Results

Evaluated on the DeepPatent2 dataset, PHOENIX shows significant gains in:

  • Intra-category retrieval (same subclass)
  • Cross-category generalization (related but distinct inventions)
  • Low-parameter robustness, making it suitable for real-time deployment

💡 Use Cases

  • 🔍 Prior Art Search – Find related inventions even if visually different
  • 🧠 Design Inspiration – Explore similar patent structures from other domains
  • 📑 Semantic Tagging – Automatically cluster patents into meaningful groups
  • 🛡️ IP Protection – Detect potential overlaps or infringements more robustly

🛠️ Model Architecture

This model wraps ViTModel in a custom class PatentEmbeddingModel, which:

  • Accepts a checkpoint fine-tuned on hierarchical labels
  • Uses the CLS token embedding for image representation
  • Integrates seamlessly with transformers’ ViT feature extractors

📜 License

This model is released under the MIT License.


✨ Credits

Developed as part of a Master's thesis on improving patent retrieval through hierarchical representation learning.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Класс архитектуры
CLIPModel
Ревизия весов
cdf6c14

0 моделей