/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
siglip · dense
Базовая модель
siglip2-base-patch16-512
Библиотека
transformers
Опубликована
11 мар 2025

distill-q-align-aesthetic-siglip2-base

Классификация изображенийИзображение → label3 профессии

Модель оценивает эстетику аниме-иллюстраций, чтобы помогать отбирать, фильтровать и рекомендовать изображения.

159скачиваний за 30 дней2лайкавеса обновлены11 мар 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

trojblue дообучил SigLIP2-base-patch16-512, чтобы оценивать эстетическую привлекательность аниме-иллюстраций по метрикам Q-Align. Модель принимает изображения и выдаёт оценку эстетики; она предназначена для анализа качества изображений, фильтрации, рекомендаций и отбора иллюстраций. По описанию, компактная архитектура SigLIP2 упрощает интеграцию и пакетную обработку, а предсказания близки к оценкам исходной Q-Align. Модель обучена имитировать оценки Q-Align на примерно 5,8 млн иллюстраций из Danbooru и Twitter.

Это специализированная модель для аниме-изображений, а не универсальный оценщик эстетики. В README отмечено, что исходная Q-Align может хуже отражать эстетику аниме и склоняться к западным предпочтениям, поэтому оценки модели могут наследовать это смещение; для практических задач автор рекомендует рассмотреть отдельную версию, дистиллированную по метрике качества. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • оценка эстетической привлекательности аниме-иллюстраций
  • отбор изображений для художественной галереи
  • фильтрация аниме-изображений по эстетической оценке
  • ранжирование иллюстраций для рекомендаций
  • автоматическая курация коллекции аниме-арта

Ограничения

Модель специализирована на аниме-иллюстрациях, а её оценки могут наследовать смещение Q-Align в сторону западной эстетики; это прогноз эстетики, а не универсальная оценка качества изображения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

trojblue/distill-q-align-aesthetic-siglip2-base

This model is a fine-tuned version of google/siglip2-base-patch16-512, specialized for predicting image aesthetics in anime illustrations based on Q-Align's quality metrics.

It achieves the following performance on the evaluation set:

  • Loss: 0.0225
  • Mse: 0.0225
  • Rmse: 0.1502

NOTE: the Q-align model was not well-suited for anime aesthetics, and more or less have a "western" feel to it. The distilled version of Q-Align quality score may be slightly preferrable for actual usages.

Model Description

This model is a distilled version of the original Q-Align model, using Siglip2-base as its backbone. It is designed for simpler, faster, and more practical deployment compared to the original model. Benefits include:

  • Easier integration (no special transformer version required).
  • Smaller model size and efficient batching.
  • Produces results very close to the original Q-Align model.

Intended Uses & Limitations

This model is designed specifically for Image Quality Analysis (IQA) tasks on anime illustrations.

It distinguishes image quality from aesthetics, making it suitable for image filtering, recommendations, and curation tasks where quality assessment is essential.

Training and Evaluation Data

The model was trained using approximately 5.8 million anime illustrations sourced equally from Danbooru and Twitter. The training procedure involved:

  1. Generating aesthetic predictions using the original Q-Align model.
  2. Training the Siglip2-base model to mimic these predictions.

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-06
  • train_batch_size: 320
  • eval_batch_size: 256
  • seed: 1337
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 1.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossMseRmse
0.04050.163424000.03480.03480.1867
0.03710.326848000.02970.02970.1724
0.03690.490272000.03110.03110.1764
0.03150.653696000.02370.02370.1540
0.0330.8170120000.02280.02280.1510
0.03030.9805144000.02240.02240.1498

Framework versions

  • Transformers 4.49.0
  • Pytorch 2.1.0+cu121
  • Datasets 3.3.2
  • Tokenizers 0.21.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
SiglipForImageClassification
Ревизия весов
098a7c2

0 моделей