/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
tipsv2-l14
Библиотека
zeromodels
Опубликована
23 авг 2026

tipsv2-l14

Классификация изображений без дообученияИзображение, текст → label7 профессий

Конверсия TIPSv2-L/14 от Google DeepMind для классификации изображений по текстовым категориям без дополнительного обучения.

14скачиваний 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-l14 — конверсия модели TIPSv2-L/14 от Google DeepMind, опубликованная zeromodels в формате Keras 3. Это двухбашенная vision-language модель в стиле CLIP/SigLIP: визуальная башня на основе ViT в стиле DINOv2 с register-токенами и двунаправленная текстовая башня, обученные сопоставлять изображения с текстовыми описаниями контрастивным методом. Репозиторий содержит полную модель и обе башни; реализация работает с TensorFlow, PyTorch и JAX.

Модель предназначена для классификации изображений по заданным текстовым названиям классов без дополнительного обучения: пользователь задаёт возможные категории, а модель оценивает соответствие изображения каждому текстовому описанию. Входное разрешение изображений — 448 пикселей. Лицензия — Apache-2.0, совпадает с лицензией исходного чекпойнта Google.

Сценарии применения

  • классификация изображений по пользовательскому списку категорий
  • поиск изображений по текстовым описаниям
  • сопоставление фотографий с подписями или названиями классов

Ограничения

Для обработки изображений требуется разрешение 448 пикселей; качество зависит от формулировок текстовых категорий и описаний.

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-l14

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-l14 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-l14")
processor = Tipsv2Processor.from_weights("zeromodels/tipsv2-l14")

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-l14")
text = Tipsv2TextModel.from_weights("zeromodels/tipsv2-l14")

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-l14").

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-l14 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
f54994f

0 моделей