/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
tipsv2-g14
Библиотека
zeromodels
Опубликована
23 авг 2026

tipsv2-g14

Классификация изображений без дообученияИзображение, текст → label7 профессий

Конверсия TIPSv2 g/14 от Google DeepMind для классификации изображений по текстовым меткам без дообучения.

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-g14 — это преобразованная для библиотеки zeromodels версия TIPSv2 g/14 от Google DeepMind, модели для сопоставления изображений и текста. Она использует двухэнкодерную архитектуру CLIP/SigLIP: визуальный энкодер на основе ViT в стиле DINOv2 с register-токенами и двунаправленный текстовый энкодер, обученные контрастивной функцией потерь с масштабированием температуры.

Модель предназначена для классификации изображений по текстовым меткам без дообучения: пользователь передаёт изображение и набор описаний классов, а модель оценивает их соответствие. В репозитории доступна загрузка полной модели и обоих энкодеров; конверсия на Keras 3 работает с TensorFlow, PyTorch и JAX. Обработка изображения масштабирует пиксели в диапазон [0, 1], разрешение входа — 448 пикселей.

Модель принимает изображения и текстовые метки и выдаёт оценки соответствия для классификации. Репозиторий содержит конверсию весов google/tipsv2-g14, а не отдельное дообучение; лицензия — Apache-2.0, совпадает с лицензией исходного чекпойнта. Поддерживаемые языки и ограничения качества в доступных сведениях не описаны.

Сценарии применения

  • классификация изображений по пользовательским текстовым меткам
  • поиск изображений, соответствующих текстовым описаниям
  • сопоставление фотографий с перечнем категорий
  • извлечение визуальных и текстовых признаков для сравнения

Ограничения

Указано входное разрешение 448 пикселей и масштабирование значений изображения в диапазон [0, 1]. Поддерживаемые языки и качество на конкретных наборах данных в доступной карточке не приведены.

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 TIPSv2.

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

GitHub Collection

zeromodels/tipsv2-g14

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-g14 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-g14")
processor = Tipsv2Processor.from_weights("zeromodels/tipsv2-g14")

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-g14")
text = Tipsv2TextModel.from_weights("zeromodels/tipsv2-g14")

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-g14").

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-g14 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
6d94cc0

0 моделей