/ Модель

Характеристики

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

TPIPS-Embed-Qwen3VL-8B

Эмбеддинги изображенийИзображение → embedding7 профессий

Модель TPIPS на базе Qwen3-VL-Embedding создаёт эмбеддинги текста и изображений для оценки их перцептивного сходства с учётом текстового контекста.

240скачиваний за 30 дней2лайкавеса 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-Embed-Qwen3VL-8B — модель эмбеддингов для оценки перцептивного сходства изображений с учётом текста, созданная на базе Qwen/Qwen3-VL-Embedding-8B. Это вариант TPIPS с поздним слиянием: текст и изображение кодируются независимо в L2-нормированные векторы, а сходство пары вычисляется как косинусная близость эмбеддингов. Модель дообучена с помощью LoRA с рангом 16 и α=32 на слоях LLM.

Модель предназначена для сравнения изображений в заданном текстовом контексте, в том числе для поиска наиболее похожего изображения и задач выбора между кандидатами. README описывает расчёт вероятностей для сценариев «лишний элемент» и 2AFC: оценки сходства преобразуются в вероятности с помощью softmax с температурой. Для работы предусмотрена библиотека tpips и пакет Python `tpips`; требуется Python 3.10 или новее.

В репозитории указаны веса PyTorch и лицензия `other`; конкретные условия лицензии в предоставленных данных не раскрыты. Модель унаследовала мультимодальную основу на 8 млрд параметров Qwen3-VL-Embedding, однако описание этого чекпойнта сосредоточено на эмбеддингах для текстово обусловленного сравнения изображений.

Сценарии применения

  • поиск изображений, похожих на образец с учётом текстового описания
  • ранжирование изображений по перцептивному сходству
  • выбор наиболее подходящего изображения из кандидатов
  • определение отличающегося изображения в наборе

Ограничения

Модель описана для оценки сходства изображений с текстовым условием; предоставленные данные не подтверждают её пригодность для генерации изображений или универсального визуального распознавания. Указана лицензия `other`, но её конкретные условия не приведены.

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

TPIPS — Embedding (late fusion)

Text-conditioned perceptual image similarity, built on Qwen/Qwen3-VL-Embedding-8B. This repo holds the embedding 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.

Late fusion. Each (text, image) is encoded independently into an L2-normalised embedding. The pairwise score is cos(e_a, e_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 scorecos(e_a, e_b)
Fine-tuningLoRA (r=16, α=32) on the LLM layers
Poolinglast-token
Temperature0.05 (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

Start with the recommended embedding model:

import tpips
from PIL import Image

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

similarity = model.similarity(a, b, factor="lighting")  # higher is more similar
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
86a1493

0 моделей