/ Модель

Характеристики

Размер весов
2,3 ГБ
Лицензия
Apache 2.0
Архитектура
siglip · dense
Библиотека
transformers
Опубликована
7 июн 2026

siglip2-so400m-patch16-384

Классификация изображений без дообученияИзображение, текст → label7 профессий

Модель SigLIP 2 в формате MLX для zero-shot-классификации изображений и сопоставления изображений с текстовыми описаниями.

1 826скачиваний за 30 дней1лайквеса обновлены7 июн 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

mlx-community/siglip2-so400m-patch16-384 — модель компьютерного зрения, разработанная сообществом mlx-community и конвертированная в формат MLX из google/siglip2-so400m-patch16-384 с использованием mlx-lm. Модель предназначена для сопоставления изображений с текстовыми описаниями и классификации изображений по произвольным текстовым меткам без предварительного обучения на конкретных классах.

Модель использует архитектуру SigLIP 2 с размером So400M, размером патча 16 и входным разрешением 384 пикселя. Она формирует оценки соответствия для пар «изображение—текст», которые можно преобразовать в вероятности с помощью сигмоиды. Модель работает в формате MLX и подключается через библиотеку mlx-embeddings; библиотека Transformers указана в метаданных.

Модель подходит для zero-shot-классификации, поиска изображений по текстовым описаниям и оценки семантического соответствия между изображениями и подписями. Лицензия Apache-2.0 разрешает использование, модификацию и распространение при соблюдении её условий.

Сценарии применения

  • классификация изображений по произвольным текстовым категориям
  • поиск изображений по текстовому запросу
  • сопоставление фотографий с подписями
  • фильтрация изображений по визуальным признакам
  • оценка соответствия изображения и описания

Ограничения

Модель предназначена для сопоставления изображений с текстовыми кандидатами и не является универсальной генеративной моделью для описания изображений. Качество классификации зависит от формулировок текстовых меток и предметной области.

Для каких профессий подходит7

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

mlx-community/siglip2-so400m-patch16-384

The Model mlx-community/siglip2-so400m-patch16-384 was converted to MLX format from google/siglip2-so400m-patch16-384 using mlx-lm version 0.1.0.

Use with mlx

pip install mlx-embeddings
from mlx_embeddings import load, generate
import mlx.core as mx

model, tokenizer = load("mlx-community/siglip2-so400m-patch16-384")

# For image-text embeddings
images = [
    "./images/cats.jpg",  # cats
]
texts = ["a photo of cats", "a photo of a desktop setup", "a photo of a person"]

# Process all image-text pairs
outputs = generate(model, processor, texts, images=images)
logits_per_image = outputs.logits_per_image
probs = mx.sigmoid(logits_per_image) # probabilities for this image
for i, image in enumerate(images):
    print(f"Image {i+1}:")
    for j, text in enumerate(texts):
        print(f"  {probs[i][j]:.1%} match with '{text}'")
    print()


Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
47bb082

0 моделей