https://github.com/fpgaminer/joytagfpgaminer/joytag

https://www.reddit.com/r/MachineLearning/comments/18nb15l/p_i_built_an_open_sota_image_tagging_model_to_do/ [P] CLIPではできないことをするために、オープンなSotA画像タグ付けモデルを構築した

タグ付けのための視覚モデル

CLIP等主要な視覚モデルは健全とみなされた画像のみで学習されているため表現の幅が狭まってしまっている

より包括的でNSFWなものにも対応できるものを目指し作成された

少なくともStable Diffusion界隈ではWD14-taggerはこれに置き換えられていきそう

ComfyUI VLM nodesで使う

リアル系の強さは言わずもがな、この画像からスバルさん読み取れるのか

とても強い

関連