/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
dinov3_vit · dense
Базовая модель
dinov3-vitl16-pretrain-lvd1689m
Опубликована
22 июн 2026

Cat2Real-DINOv3-384

Эмбеддинги изображенийИзображение → embedding3 профессии

Модель преобразует фотографии товаров и каталожные packshot-изображения в эмбеддинги для поиска визуально похожих товаров.

1 269скачиваний за 30 дней6лайковвеса обновлены9 июл 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

Cat2Real-DINOv3-384 — модель для получения векторных представлений изображений товаров, созданная дообучением DINOv3 ViT-L/16 компанией или автором zhanganyi88. Она отображает реальные фотографии товаров и каталожные изображения packshot в общее пространство эмбеддингов, чтобы находить визуально похожие изображения.

Модель предназначена для поиска товаров по изображению и сопоставления пользовательских фотографий с изображениями из каталога. Это визуальная модель на архитектуре DINOv3 ViT с 402,7 млн параметров; веса опубликованы в формате safetensors. Лицензия — Apache-2.0.

Модель извлекает признаки изображений и формирует эмбеддинги для поиска по сходству. Карточка описывает сценарий сопоставления реальных фотографий с packshot-изображениями, но не приводит оценки качества, перечень поддерживаемых категорий товаров или сведения о допустимых размерах входного изображения.

Сценарии применения

  • поиск товара в каталоге по фотографии
  • сопоставление реального снимка товара с каталожным packshot
  • поиск визуально похожих товаров
  • извлечение признаков изображений товаров для поиска по эмбеддингам

Ограничения

Карточка не сообщает метрики качества, охват товарных категорий или ограничения по условиям съёмки и размерам изображений; пригодность для конкретного каталога требует проверки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Cat2Real-DINOv3-384

Cat2Real-DINOv3-384 is a product image embedding model fine-tuned from DINOv3. It maps the real-world product images and catalog packshots to the same embedding space for similarity search.

How to Get Started with the Model

The example below demonstrates how to obtain an image embedding with the [AutoModel] class.

import torch
import cv2
import numpy as np
from torchvision import transforms
from transformers import AutoImageProcessor, AutoModel

def padding(img):
    """
    :param img: take the image as input, np.uint8 format, [0-255] range
    :return: img: square image with white pixel padded along the shorter side.
    """
    h, w, _ = img.shape
    if h > w:
        new_img = 255 * np.ones((h, h, 3)).astype(np.uint8)
        start_w = int((h-w)/2)
        new_img[:, start_w:start_w+w, :] = img
        return new_img

    elif h < w:
        new_img = 255 * np.ones((w, w, 3)).astype(np.uint8)
        start_h = int((w - h) / 2)
        new_img[start_h:start_h + h, :, :] = img
        return new_img
    else:
        return img

image_path = "your local image path"
dim = 384
image = cv2.imread(image_path)
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
image = padding(image)
image = cv2.resize(image, (dim, dim))
transform = transforms.ToTensor()
image = transform(image)
image = image.unsqueeze(0)
model_name = "zhanganyi88/Cat2Real-DINOv3-384"
processor = AutoImageProcessor.from_pretrained(model_name)
model = AutoModel.from_pretrained(
    model_name, 
    device_map="auto", 
)
inputs = processor(images=image, return_tensors="pt").to(model.device)
with torch.inference_mode():
    outputs = model(**inputs)
embedding = outputs.pooler_output
print("embedding shape:", embedding.shape)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · image-feature-extraction

Можно запустить

Подбираем GPU…

Класс архитектуры
DINOv3ViTModel
Ревизия весов
a763964

0 моделей