MONET Retrieval

MONET Retrieval

一个来自 jasperai 的 Gradio 应用，用 DINOv2、CLIP 或 SSCD 嵌入，从上传的图像或标题关键词里找出 MONET 数据集中最接近的结果。

由 jasperai 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：MONET Retrieval 是 jasperai 的一个自包含 Gradio 应用，用最近邻的方式搜索 MONET 数据集。你可以上传一张图像，得到最接近的匹配，也可以输入关键词搜索标题。它查询预先算好的 FAISS 索引，在 Hugging Face 上运行在 zero-a10g 硬件上。

适合谁：适合使用 MONET 数据集、想查找相似条目的研究者，也适合想要一个 Gradio 嵌入搜索应用范例的开发者。

行业 | 谁在用 | 怎么用 | 例子
研究 | 数据集研究者 | 上传一张图像，查看它的最近邻 | 在数据集里找和一张查询图片相像的条目
机器学习 | 嵌入工程师 | 比较 DINOv2、CLIP 和 SSCD 对同一个查询怎么排序 | 看哪个嵌入模型返回的匹配最接近
软件开发 | Gradio 开发者 | 阅读 app.py 和 embedders.py | 研究三个嵌入模型是怎么加载和查询的

如果你想要覆盖整个网络的通用图像搜索，可以跳过它，因为它只搜索 MONET 数据集。

用在哪里：MONET Retrieval 可以在这些地方运行。

• 网页浏览器：打开它在 Hugging Face 上的 Space 页面
• Windows、macOS 或 Linux 上的 Python 3.12.12：运行 Space 的一份副本

用途 | 谁用 | 能得到什么
按图像搜索 | 研究者 | 上传图像的 k 个最近邻，以缩略图显示
按标题搜索 | 研究者 | 通过 CLIP 文本嵌入得到的关键词匹配
查看记录 | 任何人 | 点击缩略图后显示的完整记录元数据

如何设置：在线使用只需要一个浏览器。想放一份本地副本，要准备的更多，因为应用要求索引文件按固定的布局存放。

• 在线 Space 需要一个网页浏览器
• 本地副本需要 Windows、macOS 或 Linux 上的 Python 3.12.12
• requirements.txt 里列出的 Python 包
• 索引文件，放在名为 jasperai/monet-retrieval-storage 的存储桶里

1. 用 pip 安装 Hugging Face hub 库。
2. 把这个 Space 的文件下载到名为 monet-retrieval 的文件夹里。
3. 进入这个文件夹。
4. 安装 Space 使用的那个版本的 Gradio。
5. 安装 requirements.txt 里列出的包。
6. 让索引文件可用，然后用 Python 启动应用。

pip install -U huggingface_hub
hf download jasperai/monet-retrieval --repo-type space --local-dir monet-retrieval
cd monet-retrieval
pip install gradio==6.13.0
pip install -r requirements.txt
python app.py

应用会读取一些可选的环境变量。下面是主要的几个。

名称 | 默认值 | 作用
MONET_BUCKET_MOUNT | /data | 存储桶挂载的位置
MONET_DATA_ROOT | app.py 旁边 | 存储桶文件复制到的文件夹
MONET_MODELS | dinov2,clip,sscd | 要加载哪些嵌入模型
MONET_SKIP_SYNC | 关 | 设为 1，直接从存储桶读取索引文件，而不是复制
MONET_HF_REPO | jasperai/monet | 缩略图从哪个数据集获取
HF_TOKEN | 无 | 访问私有数据集所需的 Hub 权限
MONET_DOWNLOAD_WORKERS | 16 | 同时进行多少个缩略图获取
MONET_SYNC_WORKERS | 4 | 存储桶同步时同时进行多少个复制
MONET_PARQUET_CACHE_BUDGET_GB | 8 | 备用缓存的大小上限，设为 0 就关闭缓存
MONET_PARQUET_CACHE_FREE_FLOOR_GB | 2 | 空闲磁盘低于这个水平时就清理缓存

如何使用：在线使用时，打开 Space 页面，选一种搜索方式。在自己的电脑上，就在这个文件夹里用下面的命令启动应用。

python app.py

工具 | 作用
Search by image | 用 DINOv2、CLIP 或 SSCD 给上传的图像做嵌入，并返回它的最近邻
Search by caption | 通过 CLIP 文本嵌入做关键词搜索
Thumbnail click | 显示该条目的完整记录元数据

示例：你上传一张照片，用三种嵌入模型之一请求它的最近邻。应用返回匹配的缩略图，点一个就能看到该条目的完整记录元数据。

新手与专家：如果你是新手，先打开 Space 页面，上传一张图片。嵌入就是把图像变成一串数字，应用找出数字最接近的条目。

如果你熟悉这个领域，应用在启动时就预加载了它的三个嵌入模型，所以连第一次查询也不用等模型加载。缩略图是从 Hub 上游的 parquet 文件按范围读取的，所以不需要完整下载。一张共享的对齐表把三个模型的行对应起来，让应用不必加载庞大的哈希文件。在 Hugging Face Spaces 上建议跳过存储桶同步，因为那里的磁盘装不下超过 24 GB 的索引文件。

打开 Space 或运行 app.py
上传图像或输入关键词
嵌入模型把查询变成数字
FAISS 找出最近邻
缩略图连同元数据一起出现

注意事项：它只搜索 MONET 数据集，而且需要它的索引文件才能工作。

• Version: Gradio 6.13.0 和 Python 3.12.12
• Embedders: DINOv2、CLIP 和 SSCD，其中只有 CLIP 被提到用于文本搜索
• Size: 仓库里有 8 个文件，另有单独的索引存储桶
• License: cc-by-4
• Cost to run: 没有提到，但索引文件超过 24 GB
• Data it reaches: Hugging Face Hub 上的 MONET 数据集文件、索引存储桶，以及首次使用时获取的 SSCD 检查点
• Not for: 没有提到禁止的用途

Hugging Face 上的数据（2026年11月13日）

• 点赞：20
• 构建方式：gradio
• 许可证：cc-by-4.0

链接

• Space：https://huggingface.co/spaces/jasperai/monet-retrieval
• 文件：https://huggingface.co/spaces/jasperai/monet-retrieval/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。