Model card for vit_so400m_patch14_siglip_384.webli
timm SigLIP (image encoder only, with original attention pooling) weights from https://huggingface.co/timm/ViT-SO400M-14-SigLIP-384
vit_so400m_patch14_siglip_384.webli
Визуальный энкодер SigLIP на базе ViT SO400M извлекает признаки изображений для поиска и других задач компьютерного зрения.
7 786скачиваний 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 модель кодировщика изображений SigLIP из библиотеки timm: вариант ViT SO400M с патчами 14×14 и входным разрешением 384 пикселя, обученный на данных WebLI. В репозитории представлены только веса кодировщика изображений с исходным attention pooling.
Модель предназначена для извлечения признаковых представлений изображений и может использоваться как визуальный энкодер в системах поиска по изображениям, сопоставления изображений с текстом и других задачах, где нужны визуальные признаки. Карточка указывает форматы PyTorch и safetensors; лицензия — Apache-2.0.
Сценарии применения
- извлечение векторных признаков из изображений
- поиск похожих изображений по визуальному содержимому
- подготовка визуальных эмбеддингов для последующей классификации
- использование энкодера изображений в мультимодальной системе
Ограничения
В репозитории только кодировщик изображений, поэтому он сам по себе не генерирует текст и не выполняет полное сопоставление изображения с текстом. Указанный размер входа — 384 пикселя.
Для каких профессий подходит6
Разделы каталога профессий, в задачах которых используется эта модель
I.8Универсальные способностиИзображения и компьютерное зрениеAI помогает извлекать визуальные признаки, изменять изображения и создавать новые визуальные материалы.17 задач6 331модельI.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.12Универсальные способностиРекомендации и персонализацияAI помогает подбирать релевантные варианты и адаптировать опыт под конкретного человека или ситуацию.15 задач7 627моделей
Также подходит для
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
- b6a8abd