ViT-H/14 CLIP с весами MetaCLIP 2 для классификации изображений по текстовым описаниям без дообучения.
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 семейства CLIP с архитектурой ViT-H/14, опубликованная в репозитории timm и доступная для использования через open_clip и timm. Вариант worldwide обучен с весами MetaCLIP 2; модель сопоставляет изображения с текстовыми описаниями и подходит для классификации изображений по текстовым меткам без отдельного обучения на целевых классах.
Модель принимает изображения и текстовые названия или описания классов, после чего оценивает их соответствие. Она предназначена для мультиязычных и международных сценариев, однако конкретные языки и длина контекста в доступной карточке не перечислены. Репозиторий содержит веса в форматах PyTorch и safetensors.
Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Карточка не приводит оценок качества и подробностей обучения, поэтому результаты на конкретных наборах классов следует проверять отдельно.
Коммерческое использование ограничено лицензией CC BY-NC 4.0. Карточка не содержит оценок качества, поэтому пригодность модели для конкретных классов и языков нужно проверять на собственных данных.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This model is a dual use open_clip and timm model. Model name in OpenCLIP is ViT-H-14-worldwide-quickgelu, pretrained_tag=metaclip2_worldwide.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · open_clip
Модели OpenCLIP требуют отдельного рантайма.