/ Модель

Характеристики

Лицензия
apple-amlr
Библиотека
timm
Опубликована
10 сен 2025

fastvit_mci2.apple_mclip2_dfndr2b

Эмбеддинги изображенийИзображение → embedding4 профессии

Визуальный энкодер MobileCLIP v2 для извлечения признаков изображений и поиска по визуальному сходству.

447скачиваний за 30 дней1лайквеса обновлены10 сен 2025

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

fastvit_mci2.apple_mclip2_dfndr2b — модель семейства MobileCLIP v2, подготовленная для библиотеки timm. Это только визуальный энкодер, соответствующий изображённой части MobileCLIP v2; модель обучена на наборе данных DFNDR-2B.

Модель предназначена для извлечения признаковых представлений изображений, например для поиска похожих изображений и построения систем сопоставления визуальных данных. Доступная карточка не описывает текстовый энкодер, размеры модели или контекст. Распространяется по лицензии apple-amlr.

Сценарии применения

  • извлечение признаков изображений
  • поиск похожих изображений
  • индексация изображений для семантического поиска

Ограничения

Представлен только визуальный энкодер; текстовый энкодер MobileCLIP v2 в этой модели не включён. Для текстово-визуального сопоставления может потребоваться совместимый текстовый энкодер.

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

Model card for fastvit_mci2.apple_mclip2_dfndr2b

A MobileCLIP v2 (image encoder only) for timm. Equivalent to image tower from https://huggingface.co/timm/MobileCLIP2-S2-OpenCLIP.

Model Details

Citation

@article{faghri2025mobileclip2,
          title={MobileCLIP2: Improving Multi-Modal Reinforced Training},
          author={Faghri, Fartash and Vasu, Pavan Kumar Anasosalu and Koc, Cem and Shankar, Vaishaal and Toshev, Alexander and Tuzel, Oncel and Pouransari, Hadi},
          journal={arXiv preprint arXiv:2508.20691},
          year={2025}
        }
        

Как запустить

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

GPU в ailist

Универсальный рантайм · timm · image-feature-extraction

Можно запустить

Подбираем GPU…

Ревизия весов
91f3aae

0 моделей