/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
siglip2-so400m-patch16-256
Библиотека
zeromodels
Опубликована
30 июл 2026

siglip2_so400m_p16_256

Классификация изображений без дообученияИзображение, текст → label7 профессий

Конверсия SigLIP 2 в Keras 3 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_p16_256 — конверсия Google SigLIP 2 в формат Keras 3, подготовленная для zeromodels. Это мультимодальная модель для классификации изображений по текстовым запросам: при инференсе ей передают изображения и текстовые подсказки с вариантами классов, а она оценивает их соответствие. Реализация работает с TensorFlow, PyTorch и JAX.

Модель основана на google/siglip2-so400m-patch16-256 и использует визуально-языковой подход SigLIP 2. В README отмечены предобучение с подписями, самодистилляция и masked prediction, направленные на улучшение семантического понимания и визуальных признаков. Токенизатор использует мультиязычный словарь Gemma на 256 тысяч токенов; точный перечень поддерживаемых языков не приводится.

Модель подходит для классификации без обучения на конкретных метках и сопоставления изображений с текстовыми описаниями. Репозиторий распространяется по лицензии Apache 2.0. Для загрузки рекомендуется соответствующий варианту процессор, чтобы согласовать размер изображений и токенизатор.

Сценарии применения

  • классификация изображений по пользовательским текстовым меткам
  • сопоставление изображения с несколькими текстовыми описаниями
  • поиск изображений по текстовому запросу
  • извлечение визуальных признаков для мультимодального поиска

Ограничения

Качество классификации зависит от формулировок текстовых подсказок и набора сравниваемых меток. README не приводит количественных оценок качества или полного перечня поддерживаемых языков.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

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_p16_256

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-patch16-256 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_p16_256")
model = SigLIP2ZeroShotClassify.from_weights("zeromodels/siglip2_so400m_p16_256")

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-patch16-256").

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
48a314b

0 моделей