Model card for vit_huge_patch14_clip_224.dfn5b
timm DFN CLIP (image encoder only) weights from https://huggingface.co/apple/DFN5B-CLIP-ViT-H-14
Визуальный энкодер DFN CLIP на архитектуре ViT-Huge/14 для извлечения признаков изображений и поиска по визуальному сходству.
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 веса визуального энкодера ViT-Huge/14 из семейства DFN CLIP, опубликованные timm. Модель предназначена для извлечения признаковых представлений изображений, которые можно использовать для поиска по изображениям, сравнения визуального сходства и построения мультимодальных систем. Это только энкодер изображений, а не полная модель CLIP с текстовым энкодером.
В репозитории указан только энкодер изображений; для сопоставления изображений с текстом понадобится совместимый текстовый энкодер. README и метаданные не сообщают размер модели, контекст или лицензионные условия точнее, чем метка «other».
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
timm DFN CLIP (image encoder only) weights from https://huggingface.co/apple/DFN5B-CLIP-ViT-H-14
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · timm · image-feature-extraction
Подбираем GPU…