---
title: TIPSv2
canonical_url: "https://www.modelscope.cn/studios/icebergyang/TIPSv2"
md_url: "https://www.modelscope.cn/studios/icebergyang/TIPSv2.md"
repository: icebergyang/TIPSv2
chinese_name: "TIPSv2 Feature Explorer"
last_updated: 2026-08-24
sdk_type: gradio
sdk_version: 6.17.3
downloads: 0
stars: 41
---

# TIPSv2

> TIPSv2 - icebergyang 在 ModelScope 创建的在线 Demo。TIPSv2 visual feature and depth exploration demo, adapted for ModelScope xGPU.

icebergyang/TIPSv2 是 ModelScope 魔搭社区上的在线可交互 Demo（创空间），基于 gradio 6.17.3 构建，中文名为「TIPSv2 Feature Explorer」。

- **Repository**: icebergyang/TIPSv2
- **SDK**: gradio
- **SDK version**: 6.17.3
- **Downloads**: 0
- **Stars**: 41
- **Last updated**: 2026-08-24

Source: https://www.modelscope.cn/studios/icebergyang/TIPSv2

---

# TIPSv2 Feature Explorer

面向 ModelScope 创空间 xGPU 适配的 TIPSv2 特征探索应用。支持 PCA/K-means
特征可视化、零样本分割、ADE20K 语义分割、深度估计和表面法线估计。

## ModelScope 模型

- [TIPSv2 B/14](https://modelscope.cn/models/google/tipsv2-b14)
- [TIPSv2 L/14](https://modelscope.cn/models/google/tipsv2-l14)
- [TIPSv2 SO400m/14](https://modelscope.cn/models/google/tipsv2-so400m14)
- [TIPSv2 g/14](https://modelscope.cn/models/google/tipsv2-g14)
- [TIPSv2 B/14 DPT](https://modelscope.cn/models/google/tipsv2-b14-dpt)
- [TIPSv2 L/14 DPT](https://modelscope.cn/models/google/tipsv2-l14-dpt)
- [TIPSv2 SO400m/14 DPT](https://modelscope.cn/models/google/tipsv2-so400m14-dpt)
- [TIPSv2 g/14 DPT](https://modelscope.cn/models/google/tipsv2-g14-dpt)

模型通过 ModelScope SDK 下载到本地缓存，再由 Transformers 从本地目录加载；
运行过程不会访问其他模型托管站点。

## 创空间配置

- SDK：Gradio 6.17.3
- 入口：`app.py`
- 推荐资源：`xgpu/8v-cpu-64g-mem-48g`
- 服务端口：7860
- 默认模型：TIPSv2 L/14
- 默认精度：FP16
- 默认并发：1

建议使用支持 Python 3.11、CUDA PyTorch 的最新 Gradio 基础镜像。xGPU 资格和资源
说明见 [ModelScope xGPU 文档](https://modelscope.cn/docs/studios/xGPU)。

## 环境变量

- `MODELSCOPE_CACHE`：模型缓存目录；创空间默认使用
  `/mnt/workspace/.cache/modelscope`。
- `MODELSCOPE_MODEL_REVISION`：模型版本，默认 `master`。
- `TIPS_DTYPE`：`float16`（默认）、`bfloat16` 或 `float32`。
- `PORT`：监听端口，默认 `7860`。

## 本地运行

```bash
pip install -r requirements.txt
python app.py
```

首次选择某个变体时会下载对应的 encoder 和 DPT 模型。切换变体前会主动释放上一组
模型和 CUDA 缓存；视觉编码器使用 PyTorch SDPA，降低高分辨率推理的峰值显存。