Model card for vit_huge_patch14_clip_224.laion2b
timm CLIP (image encoder only) weights from https://huggingface.co/laion/CLIP-ViT-H-14-laion2B-s32B-b79K
Визуальный энкодер CLIP ViT-Huge для извлечения признаков и эмбеддингов изображений.
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 визуальный энкодер CLIP из библиотеки timm: модель ViT-Huge с патчами 14×14, входным размером изображения 224 пикселя и весами, обученными на LAION-2B. Репозиторий содержит только энкодер изображений, а не полный CLIP с текстовым энкодером.
Модель извлекает признаки изображений для построения эмбеддингов и последующего использования в поиске по изображениям, кластеризации или других задачах компьютерного зрения. Для сравнения изображений с текстом потребуется отдельный совместимый текстовый энкодер. Весовые файлы доступны в форматах PyTorch и safetensors по лицензии Apache-2.0.
Репозиторий содержит только энкодер изображений, поэтому для сопоставления изображений с текстом необходим отдельный текстовый энкодер. Карточка не сообщает результатов оценки качества.
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-H-14-laion2B-s32B-b79K
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · timm · image-feature-extraction
Подбираем GPU…