Линейка моделей ruCLIP для ранжирования изображений и подписей к ним на русском языке, а также оценки семантической близости изображений и текстов, разработанная командами Sber AI и SberDevices, стала доступна на GitHub, в дополнение к ранее опубликованной модели ruCLIP Small.
Промышленные версии с наивысшим качеством и количеством параметров — ruCLIP Base exclusive и ruCLIP Large exclusive — доступны в хабе предобученных моделей, датасетов и контейнеров DataHub на платформе SberCloud ML Space.
Данные модели на ряде датасетов успешно обошли ансамбль оригинальной англоязычной модели CLIP и русско-английского переводчика.
Успешное обучение ruCLIP и доступность моделей в open source позволит решать многие задачи компьютерного зрения в различных продуктах и сервисах в режиме zero-shot, то есть без необходимости дорогостоящего дообучения.
В релиз вошли шесть моделей ruCLIP, которые отличаются, в частности, размером использованного патча (14?14, 16?16, 32?32) и размерами входных изображений (224?224, 336?336 и 384?384). Семантика названия моделей выглядит следующим образом: ruclip-vit-base-patch16-224; ruclip-vit-base-patch32-224; ruclip-vit-base-patch32-384 — ruCLIP Base; ruclip-vit-large-patch14-224 — ruCLIP Large; ruclip-vit-large-patch14-336 — ruCLIP Large exclusive — доступна DataHub SberCloud ML Space only; ruclip-vit-base-patch16-384 — ruCLIP Base exclusive — доступна в DataHub SberCloud ML Space only.
Посмотреть детальное сравнение всех шести новых обученных моделей можно в репозитории на GitHub. Обучение строилось на самостоятельно собранном датасете из 240 млн пар и заняло 12 полных дней на 256 Tesla GPU A100 на платформе SberCloud ML Space.
Александр Ведяхин, первый заместитель председателя правления Сбербанка, сказал: «Экосистема «Сбера» является одним из лидеров в области ML-решений — уже сегодня мы предлагаем разработчикам, дата-сайентистам и представителям бизнеса всё больше инструментов и сервисов: от платформ для ML-разработки, как SberCloud ML Space, до законченных ML-решений, как SmartSpeech. Также за последний год объединённые команды Sber AI и SberDevices выпустили ряд трансформерных моделей — ruGPT-3 & family, — среди которых и популярная text-to-image ruDALL-E. Модели занимают первые строчки рейтингов различных бенчмарков и, в отличие от большинства аналогичных решений, размещены в открытом доступе. Эксклюзивные промышленные модели доступны в DataHub SberCloud ML Space. Всё это позволяет решать бизнесу многие задачи для создания собственных прорывных продуктов на базе ML, ускорять time to market и снижать затраты на разработку».
Поделиться