Model card for vit_large_patch16_siglip_384.webli
timm SigLIP (image encoder only, with original attention pooling) weights from https://huggingface.co/timm/ViT-L-16-SigLIP-384
vit_large_patch16_siglip_384.webli
Визуальный энкодер SigLIP на базе ViT для извлечения признаков из изображений.
343скачиваний за 30 дней0лайковвеса 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 vit_large_patch16_siglip_384.webli из семейства SigLIP, опубликованный в библиотеке timm. Модель преобразует изображения в признаки для последующего поиска, сравнения и других задач компьютерного зрения; это только image encoder, без текстового энкодера.
Модель использует архитектуру Vision Transformer с крупными патчами 16×16 и входным разрешением 384 пикселя, а также исходный механизм attention pooling. Веса доступны в форматах PyTorch и safetensors. Лицензия — Apache 2.0.
Сценарии применения
- извлечение признаков изображений для поиска
- сравнение и группировка изображений по визуальному сходству
- подготовка визуальных эмбеддингов для классификатора
- индексация изображений в векторной базе
Ограничения
Это только визуальный энкодер: он не кодирует текст и сам по себе не генерирует описания изображений или ответы на вопросы о них. Для входа предусмотрено разрешение 384 пикселя.
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
- e45ae23