/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Своя лицензия
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-0.8B
Библиотека
transformers
Опубликована
10 апр 2026

ProCIR

Изображение и текст → текст3 профессии

ProCIR — дообученная мультимодальная модель для поиска товаров по сочетанию изображения и текстового описания.

98скачиваний за 30 дней3лайкавеса обновлены14 апр 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

ProCIR — мультимодальная модель размером 0,8 млрд параметров, разработанная для поиска товаров по составному запросу, который сочетает изображение и текст. Модель дообучена на FashionMV на базе Qwen/Qwen3.5-0.8B и использует диалоговую архитектуру, разделяющую восприятие и рассуждение, а также выравнивание изображений и текста для представления знаний о товарах.

Модель предназначена для многоракурсного поиска товаров в каталогах одежды: например, чтобы найти товар, похожий на изображение, но с заданными текстом изменениями. В README приведены результаты на DeepFashion, Fashion200K и FashionGen-val; для запуска предлагается использовать Transformers и AutoProcessor. Репозиторий содержит веса в формате safetensors.

Лицензия указана как other, поэтому условия использования следует проверять в карточке модели. Описание не уточняет поддерживаемые языки или длину контекста.

Сценарии применения

  • поиск похожей одежды с изменением цвета или фасона по текстовому запросу
  • поиск товара по нескольким изображениям одного изделия
  • поиск одежды в каталоге по изображению и текстовым уточнениям

Ограничения

Карточка не сообщает поддерживаемые языки и длину контекста; результаты приведены только для трёх наборов данных о моде. Лицензия обозначена как other, поэтому права на использование нужно уточнить в карточке репозитория.

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

ProCIR — Multi-View Product-Level Composed Image Retrieval

[Paper (arXiv)] | [Code (GitHub)] | [Dataset]

Model Description

ProCIR (0.8B) is a multi-view composed image retrieval model trained on the FashionMV dataset, based on Qwen3.5-0.8B. It adopts a perception-reasoning decoupled dialogue architecture and leverages image-text alignment to inject product knowledge, enabling effective multi-view product-level CIR.

Performance

DatasetR@5R@10
DeepFashion89.294.9
Fashion200K77.686.6
FashionGen-val75.085.3
Average80.688.9

Usage

See our GitHub repository for evaluation code and data preparation instructions.

from transformers import AutoProcessor, Qwen3_5ForConditionalGeneration

processor = AutoProcessor.from_pretrained("yuandaxia/ProCIR")
model = Qwen3_5ForConditionalGeneration.from_pretrained("yuandaxia/ProCIR", torch_dtype="bfloat16")

Citation

@article{yuan2026fashionmv,
  title={FashionMV: Product-Level Composed Image Retrieval with Multi-View Fashion Data},
  author={Yuan, Peng and Mei, Bingyin and Zhang, Hui},
  year={2026}
}

License

Model weights are released under the same license as the base model (Qwen3.5).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
881a091

0 моделей