/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Библиотека
transformers
Опубликована
9 янв 2026

TextPecker-8B-Qwen3VL

Изображение и текст → текст3 профессии

TextPecker — мультимодальная модель для обнаружения структурных дефектов визуального текста и оценки его качества при генерации изображений.

89скачиваний за 30 дней1лайквеса обновлены20 мар 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

TextPecker-8B-Qwen3VL — мультимодальная модель для оценки визуально отображённого текста, разработанная Ханьшэн Чжу, Юлян Лю и соавторами. Она дообучена на архитектуре Qwen3-VL-8B-Instruct с помощью ms-swift и предназначена для выявления структурных аномалий в тексте на изображениях: искажений, размытия и смещения. Модель оценивает структурное качество и смысловую согласованность текста, созданного при генерации или редактировании изображений.

Её можно применять как оценщик и источник вознаграждения для RL-оптимизации генераторов изображений, чтобы улучшать точность отображения текста. Репозиторий содержит веса Safetensors; лицензия — Apache 2.0. Карточка не сообщает отдельные показатели качества или ограничения по поддерживаемым языкам и длине контекста.

Сценарии применения

  • обнаружение искажений текста на сгенерированных изображениях
  • оценка размытия и смещения визуально отображённого текста
  • проверка структурного качества текста в задачах генерации изображений
  • оценка смысловой согласованности текста на изображении
  • формирование сигнала вознаграждения для RL-оптимизации генераторов изображений

Ограничения

Карточка не приводит численных метрик качества и не уточняет поддерживаемые языки. Модель ориентирована на оценку структуры и согласованности визуального текста, а не на универсальное распознавание текста.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TextPecker-8B-Qwen3VL

TextPecker is a structural anomaly perceptive model designed to enhance Visual Text Rendering (VTR). It addresses a critical bottleneck where standard MLLMs and OCR models fail to perceive structural anomalies such as distortion, blurriness, and misalignment in generated text. This model acts as a plug-and-play evaluator and reward signal for RL-based optimization (e.g., using Flow-GRPO), enabling the generation of structurally faithful visual text.

This checkpoint is built upon the Qwen3-VL-8B-Instruct architecture and was trained using ms-swift.

Model Details

Uses

TextPecker can be used to evaluate text structural quality and semantic consistency for text-to-image generation or editing tasks. It is particularly useful for:

  • Structural Anomaly Quantification: Identifying distortion, blurriness, and misalignment in rendered text.
  • Reward Modeling: Providing reward signals for Reinforcement Learning (RL) to improve text rendering in generators like Flux or SD3.5.

To use this model, please follow the official deployment and testing instructions:

Citation

If you find TextPecker useful in your research or work, please cite the paper:

@article{zhu2026TextPecker,
  title   = {TextPecker: Rewarding Structural Anomaly Quantification for Enhancing Visual Text Rendering},
  author  = {Zhu, Hanshen and Liu, Yuliang and Wu, Xuecheng and Wang, An-Lan and Feng, Hao and Dingkang Yang and Chao Feng and Can Huang and Jingqun Tang and Xiang Bai},
  journal = {arXiv preprint arXiv:2602.20903},
  year    = {2026}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
7a3b9ea

0 моделей