К содержимому
Другое

DON IT Fashion CIR Hybrid v0.1

поиск одежды по фото и текстовому описанию

2 мин чтенияобновлено

Исследовательская гибридная система от команды DON IT для задачи Composed Image Retrieval (поиск изображений по связке «исходное фото + текстовая правка»). Пользователь загружает картинку предмета гардероба и добавляет уточнение вроде «такое же платье, но с более высоким вырезом», а система ранжирует подходящие товары из каталога. В основе лежат базовые модели Qwen3-VL-Embedding-8B и Marqo FashionSigLIP, дополненные собственными адаптерами автора и внешней моделью CSMCIR. В отличие от одиночных моделей эмбеддингов, здесь применяется гибридное смешивание рангов через RRF (Reciprocal Rank Fusion — метод объединения нескольких списков выдачи). Пригодится разработчикам fashion-поисковиков и e-commerce систем визуального подбора товаров.

Ключевые особенности

  • Гибридная архитектура из трёх ветвей: связка Qwen3-VL-Embedding-8B с fashion-LoRA (небольшой надстройкой над базовой моделью), Marqo FashionSigLIP с дистиллированной 768-мерной головой и внешний чекпоинт CSMCIR.
  • Дистилляция на реальных парах: новая остаточная голова обучена на 12 917 пользовательских запросах из обучающей выборки датасета FashionIQ.
  • Фиксированное слияние без подгонки под тест: веса ветвей (70% Qwen и 30% SigLIP) и объединение с CSMCIR через RRF (50/50 с константой 60) не настраивались на публичной валидации.
  • Честная исследовательская прозрачность: авторы отдельно отмечают, что прирост над предыдущей версией гибрида (+0.167 п.п.) не является статистически значимым, а на категории рубашек метрика немного снизилась.

Что можно сделать

  • Собрать поиск по каталогу одежды с уточнениями: использовать адаптеры и код скоринга для ранжирования платьев, рубашек и топов по запросам вида «такой же фасон, но другого цвета или кроя».
  • Протестировать облегчённую связку без CSMCIR: запустить ветку Qwen3-VL + обученный student-модуль автономно, если нет возможности подключать сторонний чекпоинт CSMCIR.

Пример

Сценарий работы системы из карточки: на вход подаётся фотография платья и текстовая инструкция "the same dress but with a higher neckline" («такое же платье, но с более высоким вырезом»). Система исключает исходное фото из выдачи и ранжирует каталог внутри той же категории одежды, поднимая наверх модели с закрытым воротом.

ПодробнееНа публичной валидации FashionIQ (6 016 запросов, 15 536 изображений) гибрид показал 59.5716% R@10 и 79.4064% R@50 (без CSMCIR — 56.3506% R@10).
Обучение student-головы заняло 600 шагов на GPU A10G (выбран чекпоинт на 200-м шаге).
Ограничения: в репозитории пока выложены только веса адаптеров и код скоринга признаков без готового end-to-end инференса по сырым картинкам.
Для полного воспроизведения требуются сторонние веса Qwen3-VL-Embedding-8B, Marqo FashionSigLIP и CSMCIR; лицензия пока не указана.
Обсудить Telegram 1

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # DON-IT/donit-fashion-cir-v0.1
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download DON-IT/donit-fashion-cir-v0.1 --local-dir ~/models/donit-fashion-cir-v0.1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к donit-fashion-cir-v0.1
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии donit-fashion-cir-v0.1 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

DON-IT/donit-fashion-cir-v0.1
Автор
DON-IT
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии