/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
siglip2-so400m-patch14-384
Библиотека
zeromodels
Опубликована
30 июл 2026

siglip2_so400m_p14_384

Классификация изображений без дообученияИзображение, текст → label

Мультимодальная модель SigLIP 2 для классификации изображений по текстовым меткам без дополнительного обучения.

5скачиваний за 30 дней0лайковвеса обновлены26 авг 2026

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

zeromodels/siglip2_so400m_p14_384 — преобразование Google SigLIP 2 SO400M Patch14 384 в формате Keras 3, подготовленное командой zeromodels. Модель предназначена для классификации изображений по текстовым описаниям без дополнительного обучения: при инференсе ей передают изображения и текстовые подсказки с возможными классами, после чего она оценивает соответствие между ними.

Модель использует мультимодальную архитектуру SigLIP 2 с визуальным энкодером и токенизатором на основе словаря Gemma из 256 тысяч токенов. Многоязычная предобученная модель подходит для сопоставления изображений с текстом на разных языках. Реализация Keras 3 поддерживает TensorFlow, PyTorch и JAX; для обработки рекомендуется использовать соответствующий Processor, чтобы согласовать размер изображения и токенизатор.

Модель распространяется по лицензии Apache 2.0. Это конверсия и адаптация базовой модели Google SigLIP 2, поэтому качество и применимость зависят от выбранных текстовых меток и изображений; карточка не приводит отдельных результатов оценки именно этой версии.

Сценарии применения

  • классификация изображений по заданному списку категорий
  • поиск подходящей категории для фотографии по текстовым описаниям
  • сопоставление изображений с многоязычными запросами
  • автоматическая разметка коллекции изображений по пользовательским меткам

Ограничения

Результаты зависят от формулировки текстовых меток и подсказок; карточка не содержит отдельных оценок качества этой версии. Для корректной предобработки следует использовать Processor, соответствующий варианту модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

See our collection for all versions of SigLIP 2.

Run SigLIP 2 with Keras 3: JAX, PyTorch, or TensorFlow

GitHub Docs Collection

zeromodels/siglip2_so400m_p14_384

Paper: SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features (arXiv:2502.14786) · HF Papers

SigLIP 2 keeps SigLIP's sigmoid loss and adds captioning-based pretraining, self-distillation, and masked prediction for stronger dense features. It uses a 256k multilingual Gemma vocabulary, so many languages work without a separate multilingual checkpoint.

For more details on the model, please go to the upstream model card.

Pure-Keras 3 conversion of google/siglip2-so400m-patch14-384 for zeromodels. One implementation runs unmodified on TensorFlow / Torch / JAX.

This is a zero-shot image-text checkpoint (SigLIP2ZeroShotClassify): pass image(s) and text prompts at inference time.

✨ Quick start

import os
os.environ["KERAS_BACKEND"] = "torch"  # or "jax" / "tensorflow"

from zeromodels.models.siglip2 import (
    SigLIP2Processor,
    SigLIP2ZeroShotClassify,
)

processor = SigLIP2Processor.from_weights("zeromodels/siglip2_so400m_p14_384")
model = SigLIP2ZeroShotClassify.from_weights("zeromodels/siglip2_so400m_p14_384")

labels = [
    "a photo of a cat",
    "a photo of a dog",
    "a photo of a car",
    "a photo of a living room",
]
inputs = processor(text=labels, image_paths="your_image.jpg")
output = model(
    {
        "images": inputs["images"],
        "token_ids": inputs["input_ids"],
    }
)
print(output["image_logits"].shape)

Load any SigLIP 2 variant the same way with from_weights("zeromodels/<variant>"):

VariantHub
siglip2_base_p16_224zeromodels/siglip2_base_p16_224
siglip2_base_p16_256zeromodels/siglip2_base_p16_256
siglip2_base_p16_384zeromodels/siglip2_base_p16_384
siglip2_base_p16_512zeromodels/siglip2_base_p16_512
siglip2_base_p32_256zeromodels/siglip2_base_p32_256
siglip2_large_p16_256zeromodels/siglip2_large_p16_256
siglip2_large_p16_384zeromodels/siglip2_large_p16_384
siglip2_large_p16_512zeromodels/siglip2_large_p16_512
siglip2_so400m_p14_224zeromodels/siglip2_so400m_p14_224
siglip2_so400m_p14_384zeromodels/siglip2_so400m_p14_384
siglip2_so400m_p16_256zeromodels/siglip2_so400m_p16_256
siglip2_so400m_p16_384zeromodels/siglip2_so400m_p16_384
siglip2_so400m_p16_512zeromodels/siglip2_so400m_p16_512

Tips

  • Set KERAS_BACKEND before importing Keras / zeromodels.
  • Prefer Processor.from_weights(...) so image size and tokenizer match the variant.
  • Map processor input_ids to model token_ids. No padding mask is required.
  • Tokenizer is Gemma-based (multilingual); prefer Processor.from_weights.
  • See SigLIP 2 docs and Loading Weights.
  • Community / upstream safetensors still work via the hf: prefix, e.g. SigLIP2ZeroShotClassify.from_weights("hf:google/siglip2-so400m-patch14-384").

Special Thanks

A huge thank you to the Google SigLIP 2 authors for creating and releasing these models.

License: Apache 2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · zeromodels

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
10eae03

0 моделей