/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
siglip-so400m-patch14-224
Библиотека
zeromodels
Опубликована
30 июл 2026

siglip_so400m_p14_224

Классификация изображений без дообученияИзображение, текст → label9 профессий

Версия SigLIP SoViT-400m для классификации изображений по текстовым меткам и поиска соответствий между изображениями и текстом без дообучения.

18скачиваний 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

Это версия SigLIP SoViT-400m, подготовленная zeromodels в формате Keras 3 на основе google/siglip-so400m-patch14-224. Модель использует двойной визуально-текстовый энкодер: принимает изображения и текстовые запросы, чтобы классифицировать изображения по произвольным текстовым меткам без отдельного обучения на этих метках. Поддерживает разрешение 224 × 224; реализация Keras может работать с TensorFlow, PyTorch или JAX.

Модель подходит для поиска изображений по описанию и классификации изображений по пользовательским категориям. В README отмечено, что обучение SigLIP использует попарную сигмоидальную функцию потерь вместо контрастивного softmax-подхода CLIP. Репозиторий распространяется по лицензии Apache 2.0. Это преобразованная версия базовой модели, поэтому её возможности и ограничения в основном наследуются от SigLIP; качество зависит от формулировки текстовых запросов и соответствия изображений обучающим данным.

Сценарии применения

  • Классификация изображений по произвольным текстовым категориям
  • Поиск изображений по текстовому описанию
  • Сопоставление изображения с набором текстовых вариантов
  • Быстрая разметка изображений без обучения отдельного классификатора

Ограничения

Качество классификации зависит от формулировки текстовых меток и соответствия изображений данным обучения. Это конверсия базовой модели, а не описанное в карточке отдельное дообучение под конкретную область.

Для каких профессий подходит9

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.

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

GitHub Docs Collection

zeromodels/siglip_so400m_p14_224

Paper: Sigmoid Loss for Language Image Pre-Training (arXiv:2303.15343) · HF Papers

SigLIP is a vision + text dual encoder trained with a pairwise sigmoid loss instead of CLIP's softmax contrastive loss. Per-pair training scales to large batches and often improves zero-shot accuracy at the same model size.

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

Pure-Keras 3 conversion of google/siglip-so400m-patch14-224 for zeromodels. One implementation runs unmodified on TensorFlow / Torch / JAX.

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

✨ Quick start

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

from zeromodels.models.siglip import (
    SigLIPProcessor,
    SigLIPZeroShotClassify,
)

processor = SigLIPProcessor.from_weights("zeromodels/siglip_so400m_p14_224")
model = SigLIPZeroShotClassify.from_weights("zeromodels/siglip_so400m_p14_224")

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 variant the same way with from_weights("zeromodels/<variant>"):

VariantHub
siglip_base_p16_224zeromodels/siglip_base_p16_224
siglip_base_p16_256zeromodels/siglip_base_p16_256
siglip_base_p16_multilingual_256zeromodels/siglip_base_p16_multilingual_256
siglip_base_p16_384zeromodels/siglip_base_p16_384
siglip_base_p16_512zeromodels/siglip_base_p16_512
siglip_large_p16_256zeromodels/siglip_large_p16_256
siglip_large_p16_384zeromodels/siglip_large_p16_384
siglip_so400m_p14_224zeromodels/siglip_so400m_p14_224
siglip_so400m_p14_384zeromodels/siglip_so400m_p14_384

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.
  • See SigLIP docs and Loading Weights.
  • Community / upstream safetensors still work via the hf: prefix, e.g. SigLIPZeroShotClassify.from_weights("hf:google/siglip-so400m-patch14-224").

Special Thanks

A huge thank you to the Google SigLIP 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
b37b01b

0 моделей