Model card for vit_base_patch32_clip_224.laion2b
timm CLIP (image encoder only) weights from https://huggingface.co/laion/CLIP-ViT-B-32-laion2B-s34B-b79K
Визуальный энкодер CLIP на базе ViT-Base извлекает признаки изображений для поиска и сопоставления.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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 модель извлечения признаков изображений: визуальный энкодер CLIP на основе ViT-Base с патчами 32×32 и входным разрешением 224 пикселя. Весá опубликованы в библиотеке timm и обучены на наборе LAION-2B. Репозиторий содержит только энкодер изображений, поэтому модель формирует визуальные признаки для дальнейшего использования в поиске, сопоставлении изображений и других задачах компьютерного зрения.
Модель принимает изображения и выдаёт векторные представления. Она не включает текстовый энкодер CLIP и сама по себе не генерирует описания или ответы на вопросы об изображениях. Лицензия — Apache-2.0.
В репозитории представлен только визуальный энкодер, без текстовой части CLIP; модель не предназначена для генерации описаний или ответов о содержимом изображений.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
timm CLIP (image encoder only) weights from https://huggingface.co/laion/CLIP-ViT-B-32-laion2B-s34B-b79K
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · timm · image-feature-extraction
Подбираем GPU…