/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
siglino · dense
Библиотека
transformers
Опубликована
11 мар 2026

siglino-moe-0.15-0.6B

Эмбеддинги изображенийИзображение → embedding3 профессии

Разреженная визуальная MoE-модель SigLino для извлечения признаков изображений и использования в поиске ближайших соседей и zero-shot-классификации.

219скачиваний за 30 дней8лайковвеса обновлены9 апр 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

SigLino-MoE-0.15-0.6B — модель извлечения признаков изображений из семейства SigLino, связанного авторами с SigLIP2 и DINOv3. Разработчики сообщают, что работа основана на статье AMoE и дистилляции в визуальную архитектуру Mixture-of-Experts; вариант использует разреженную маршрутизацию top-2 из 28 экспертов.

Модель содержит 0,6 млрд параметров, из которых активно задействуется 0,15 млрд. Она предназначена для получения визуальных признаков, пригодных, в частности, для поиска ближайших соседей и классификации изображений без дообучения. В README приведены результаты на изображениях 512×512: точность kNN на ImageNet — 85,0%, средняя точность kNN на шести наборах данных — 89,8%, точность классификации ImageNet zero-shot — 78,8%.

Репозиторий использует Transformers и формат safetensors. Лицензия — Apache-2.0. Модель ориентирована на изображения; сведений о поддержке естественных языков в предоставленных материалах нет.

Сценарии применения

  • извлечение признаков из изображений для поиска похожих изображений
  • классификация изображений без дообучения
  • получение визуальных представлений для downstream-задач компьютерного зрения

Ограничения

В README приведены результаты для конкретных протоколов оценки на изображениях 512×512; они не гарантируют аналогичное качество на других данных и сценариях. Предоставленные материалы не описывают поддержку текстового ввода или языковые возможности модели.

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

SigLino-MoE-0.15-0.6B

Accepted at CVPR 2026

Project Website arXiv GitHub

This work stems from the CVPR 2026 AMoE paper, which designs and applies distillation into a Mixture-of-Experts (MoE) vision architecture. We have chosen the name SigLino for better clarity (SigLIP2 + DINOv3).

Ultra-sparse MoE variant of SigLino with top-2 out of 28 experts routing. 0.15B active parameters, 0.6B total.

Part of the SigLino model family.

Usage

import torch
from PIL import Image
from transformers import AutoModel, AutoImageProcessor

model_id = "tiiuae/siglino-moe-0.15B"
model = AutoModel.from_pretrained(model_id, trust_remote_code=True).to("cuda", dtype=torch.bfloat16)
processor = AutoImageProcessor.from_pretrained(model_id, trust_remote_code=True)

image = Image.open("image.jpg").convert("RGB")
inputs = processor(image, return_tensors="pt").to("cuda")
inputs["pixel_values"] = inputs["pixel_values"].to(torch.bfloat16)

with torch.no_grad():
    outputs = model(**inputs)

# Options: 'siglino' (768d), 'siglip2' (1152d), 'dinov3' (1024d)
patch_features = outputs["patch_features"]["siglino"]         # (Batch, Tokens, 768)
summary_features = outputs["summary_features"]["siglip2"]  # (Batch, 1152)

Model Details

PropertyValue
ArchitectureMoE (top-2/28 experts)
Active Parameters0.15B
Total Parameters0.6B
Layers18
Hidden Dim768
Patch Size16x16
TeachersDINOv3, SigLIP2

Results (512x512, ensemble features)

TaskMetricScore
kNN (ImageNet)Acc85.0
kNN (6-dataset avg)Acc89.8
Zero-shot cls (ImageNet)Acc78.8
Flickr30K I2TR@192.9
MSCOCO I2TR@171.1
Pascal VOC (1024)mIoU88.1
Cityscapes (1024)mIoU63.6

Citation

@article{chaybouti2025amoe,
  title={AMoE: Agglomerative Mixture-of-Experts Vision Foundation Models},
  author={Chaybouti, Sofian and Narayan, Sanath and Dahou, Yasser and Le Khac, Phuc H. and Singh, Ankit and Huynh, Ngoc Dung and Para, Wamiq Reyaz and Kuehne, Hilde and Hacid, Hakim},
  journal={arXiv preprint arXiv:2512.20157},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-feature-extraction

Можно запустить

Подбираем GPU…

Класс архитектуры
SigLinoModel
Ревизия весов
0c2823c

0 моделей