/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
siglip2-so400m-patch16-512
Библиотека
zeromodels
Опубликована
30 июл 2026

siglip2_so400m_p16_512

Классификация изображений без дообученияИзображение, текст → label

Конверсия SigLIP 2 от Google для классификации изображений по текстовым промптам без обучения на целевых метках.

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 подготовила конверсию Google SigLIP 2 so400m patch16 512 в формате Keras 3. Модель предназначена для классификации изображений по текстовым описаниям без отдельного обучения под набор меток: на вход подаются изображения и текстовые промпты, а модель оценивает их соответствие.

SigLIP 2 использует сигмоидальную функцию потерь SigLIP и предобучение с подписями, самодистилляцией и маскированным предсказанием для улучшения семантического понимания и плотных визуальных признаков. Текстовый энкодер использует мультиязычный словарь Gemma на 256 тысяч токенов. Реализация Keras 3 запускается с TensorFlow, Torch или JAX; для согласования размера изображения и токенизатора рекомендуется использовать Processor модели.

Модель подходит для классификации по пользовательским категориям и сопоставления изображений с текстовыми запросами. Это конверсия базовой модели google/siglip2-so400m-patch16-512; репозиторий распространяется по лицензии Apache 2.0. Мультиязычный словарь сам по себе не гарантирует одинаковое качество для всех языков и формулировок промптов.

Сценарии применения

  • классификация изображений по пользовательским текстовым категориям
  • поиск изображений по текстовому описанию
  • сопоставление изображения с несколькими вариантами подписи
  • фильтрация изображений по описанию сцены или объекта

Ограничения

Качество классификации зависит от формулировок текстовых промптов и может различаться между языками. Это конвертированная реализация базовой модели, а не отдельная модель, обученная под конкретные категории.

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_512

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-patch16-512 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_512")
model = SigLIP2ZeroShotClassify.from_weights("zeromodels/siglip2_so400m_p16_512")

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-patch16-512").

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
ca4d6f5

0 моделей