Дообученная на DTD визуальная часть CLIP ViT-L/14 для извлечения признаков и классификации изображений текстур.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это дообученная версия OpenAI CLIP ViT-L/14, созданная tanganke на датасете DTD для извлечения признаков изображений. Архитектура — CLIPVisionModel на базе ViT-Large с размером патча 14; модель содержит около 402,7 млн параметров и распространяется в формате safetensors.
Модель предназначена для получения визуальных признаков, в частности для задач классификации изображений, связанных с DTD. В README приведены оценки 0,5548 для исходной модели и 0,8548 после дообучения, но метрика и протокол оценки не описаны.
Лицензия и условия использования в предоставленных данных не указаны.
README не уточняет метрику и протокол оценки, поэтому приведённые значения нельзя интерпретировать без дополнительного контекста. Условия лицензии в предоставленных данных не указаны.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Adam Optimizer with a constant learning rate 1e-5 for 4000 steps training (batch_size=32). Only the vision encoder is fine-tuned.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…