JoyTag ist ein fortschrittliches KI-Bildmodell zur Bildbeschriftung, das positive und inklusive Aspekte betont. Es nutzt das Danbooru-Tagging-System und ist für diverse Bildtypen von Handzeichnungen bis hin zu Fotografien geeignet. Es unterstützt die mehrklassige Klassifizierung mit über 5000 Tags und eignet sich für die automatische Bildbeschriftung sowie für Anwendungen wie das Training von Diffusionsmodellen, denen Textdaten fehlen. Das Modell zeichnet sich durch seine hohe Performance aus und basiert auf der ViT-Architektur mit CNN-Stem und GAP-Head.