/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
tipsv2-b14
Библиотека
zeromodels
Опубликована
23 авг 2026

tipsv2-b14

Классификация изображений без дообученияИзображение, текст → label

Конверсия TIPSv2 в Keras 3 сопоставляет изображения с текстовыми метками для классификации без дополнительного обучения.

12скачиваний 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/tipsv2-b14 — конверсия модели TIPSv2 от Google DeepMind в Keras 3. Это двухбашенный vision-language энкодер в стиле CLIP/SigLIP: визуальная башня использует ViT с дизайном DINOv2 и register-токенами, а текстовая — двунаправленный энкодер; представления изображений и текста согласуются контрастивной функцией потерь с температурным масштабированием. Репозиторий содержит полную модель и веса обеих башен в одном формате.

Модель предназначена для классификации изображений по текстовым меткам без дополнительного обучения: пользователь передаёт изображение и варианты описаний, а модель оценивает их соответствие. Keras 3-реализация работает с бэкендами TensorFlow, PyTorch и JAX; обработчик изображений масштабирует пиксели в диапазон [0, 1] и использует разрешение 448. Лицензия — Apache-2.0.

Сценарии применения

  • классификация изображений по списку текстовых категорий
  • поиск изображений по текстовым описаниям
  • ранжирование текстовых меток по соответствию изображению

Ограничения

Для обработки изображений используется разрешение 448 и масштабирование пикселей в диапазон [0, 1]. README отсылает к карточке исходной модели за дополнительными сведениями.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

See our collection for all versions of TIPSv2.

Run TIPSv2 with Keras 3: JAX, PyTorch, or TensorFlow

GitHub Collection

zeromodels/tipsv2-b14

Paper: TIPSv2: Advancing Vision-Language Pretraining with Enhanced Patch-Text Alignment (arXiv:2604.12012)

TIPSv2 (Google DeepMind) is a CLIP/SigLIP-style dual encoder: a DINOv2-style ViT vision tower with register tokens plus a bidirectional text tower, aligned with a temperature-scaled contrastive objective.

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

Pure-Keras 3 conversion of google/tipsv2-b14 for zeromodels. One implementation runs unmodified on TensorFlow / Torch / JAX. The full model and both towers load from this single repo.

✨ Quick start (zero-shot)

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

from PIL import Image
import numpy as np
import keras
from zeromodels.models.tipsv2 import Tipsv2Model, Tipsv2Processor

model = Tipsv2Model.from_weights("zeromodels/tipsv2-b14")
processor = Tipsv2Processor.from_weights("zeromodels/tipsv2-b14")

image = Image.open("your_image.jpg").convert("RGB")
texts = ["a photo of a cat", "a photo of a dog", "a photo of a car"]
inputs = processor(text=texts, images=np.array(image))
out = model(inputs)
probs = keras.ops.softmax(out["logits_per_image"], axis=-1)
print(keras.ops.convert_to_numpy(probs)[0])

Towers only:

from zeromodels.models.tipsv2 import Tipsv2VisionModel, Tipsv2TextModel
vision = Tipsv2VisionModel.from_weights("zeromodels/tipsv2-b14")
text = Tipsv2TextModel.from_weights("zeromodels/tipsv2-b14")

All TIPSv2 variants load the same way with from_weights("zeromodels/<variant>"):

VariantHub
tipsv2-b14zeromodels/tipsv2-b14
tipsv2-l14zeromodels/tipsv2-l14
tipsv2-so400m14zeromodels/tipsv2-so400m14
tipsv2-g14zeromodels/tipsv2-g14

Tips

  • Set KERAS_BACKEND before importing Keras / zeromodels.
  • The image processor rescales to [0, 1] (no mean/std normalization); input resolution is 448.
  • Upstream checkpoints: Tipsv2Model.from_weights("hf:google/tipsv2-b14").

Special Thanks

A huge thank you to the TIPSv2 authors (Google DeepMind) and the HF community.

License: Apache-2.0 (matches the upstream google/tipsv2-b14 checkpoint).

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
123fb06

0 моделей