Model card for vit_base_patch16_siglip_384.webli
timm SigLIP (image encoder only, with original attention pooling) weights from https://huggingface.co/timm/ViT-B-16-SigLIP-384
vit_base_patch16_siglip_384.webli
Эмбеддинги изображений4 профессии
Визуальный энкодер SigLIP извлекает векторные признаки из изображений для поиска и анализа визуального сходства.
1 438скачиваний за 30 дней1лайквеса обновлены21 янв 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
Это визуальный энкодер SigLIP из библиотеки timm: модель vit_base_patch16_siglip_384.webli содержит только часть, которая кодирует изображения, и использует исходный механизм attention pooling. Она предназначена для извлечения признаковых векторов изображений, которые можно использовать для поиска по визуальному содержимому, кластеризации и других задач на основе эмбеддингов.
Модель работает с изображениями и выдаёт векторные признаки. В метаданных указаны библиотека timm, форматы PyTorch и Safetensors и лицензия Apache-2.0. Размер входа 384 пикселя указан в названии модели.
Сценарии применения
- создание эмбеддингов изображений для визуального поиска
- сравнение изображений по визуальному сходству
- кластеризация коллекции изображений по признакам
- извлечение признаков для последующих моделей компьютерного зрения
Ограничения
Это только визуальный энкодер, без текстового энкодера; модель не предназначена для непосредственной генерации текста или изображений.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель
IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейIV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · timm · image-feature-extraction
Подбираем GPU…
- Ревизия весов
- b1b2c40