/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Своя лицензия
Базовая модель
Qwen3-VL-Embedding-8B
Библиотека
tpips
Опубликована
8 июн 2026

TPIPS-ActDiff-Qwen3VL-8B

Эмбеддинги изображенийИзображение → embedding4 профессии

Модель оценивает перцептивное сходство изображений с учётом текста, сравнивая их многослойные представления.

25скачиваний за 30 дней1лайквеса обновлены31 июл 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

TPIPS-ActDiff-Qwen3VL-8B — модель для оценки перцептивного сходства изображений с учётом текста, разработанная на основе Qwen/Qwen3-VL-Embedding-8B. Она вычисляет многослойное расстояние между скрытыми представлениями пары изображений, а небольшая текстовая MLP-сеть задаёт веса слоёв. Чем выше попарная оценка, тем изображения похожее; на её основе также можно рассчитывать вероятности выбора отличающегося изображения и сравнивать кандидатов с эталоном.

Модель дообучена с помощью channel LoRA (r=16, α=32) и отдельной текстовой MLP-головы. Репозиторий содержит checkpoint activation distance и предназначен для сценариев сравнения изображений по текстовому условию. Для работы предлагается библиотека TPIPS и Python 3.10 или новее. Лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

Сценарии применения

  • сравнение двух изображений по текстовому описанию
  • поиск наиболее похожего изображения среди кандидатов
  • выбор отличающегося изображения из тройки
  • оценка соответствия визуальных вариантов текстовому условию

Ограничения

Модель ориентирована на сравнение изображений и не описана как универсальная модель для генерации или распознавания. Условия лицензии с пометкой other требуют отдельной проверки в репозитории.

Для каких профессий подходит4

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

TPIPS — Activation Distance

Text-conditioned perceptual image similarity, built on Qwen/Qwen3-VL-Embedding-8B. This repo holds the activation_dist checkpoint (one of three TPIPS models, each in its own repo — see the table at the bottom). Code and full docs: https://github.com/adobe-research/TPIPS.

Activation distance. A multi-layer feature distance over the VLM's per-layer hidden states, weighted by a small text-conditioned MLP. The pairwise score is -dist(a, b) (higher = more similar). Odd-one-out probabilities are a softmax over the three "other-pair" scores divided by the temperature; 2AFC compares the two reference-candidate scores. The pairwise score is the model's raw output (temperature is applied at the probability step).

PropertyValue
Base modelQwen/Qwen3-VL-Embedding-8B
Pairwise score-dist(a, b)
Fine-tuningchannel_lora (LoRA r=16, α=32) + per-layer text-MLP head
Probe layers20 evenly spaced LLM layers
Temperature0.0025 (applied at the probability step)
Prompt XRepresent the similarity of the image based on X.

Usage

TPIPS supports Python 3.10 and later. Install matching PyTorch and torchvision builds from the official PyTorch installer, then install TPIPS:

pip install tpips
import tpips
from PIL import Image

model = tpips.load_model("activation_dist", device="cuda")
a = Image.open("a.jpg").convert("RGB")
b = Image.open("b.jpg").convert("RGB")

distance = model.distance(a, b, factor="lighting")      # lower is more similar

The first call downloads the selected TPIPS checkpoint and its Qwen backbone. A CUDA GPU is recommended; FlashAttention is optional.

The TPIPS models

ModelRepo
Embedding (late fusion)sywang/TPIPS-Embed-Qwen3VL-8B
Early Fusionsywang/TPIPS-EarlyFusion-Qwen3VL-8B
Activation Distancesywang/TPIPS-ActDiff-Qwen3VL-8B

License

TPIPS is provided under the Adobe Research License for noncommercial research use. See the license for the complete terms.

Как запустить

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

GPU в ailist

Универсальный рантайм · tpips · image-feature-extraction

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
ca92fa4

0 моделей