/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
7,1 млрд
Размер весов
16,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-7B-Instruct
Библиотека
transformers
Опубликована
20 авг 2026

Zoom-IQA-7B

Изображение и текст → текст3 профессии

Мультимодальная модель на основе Qwen2.5-VL для оценки качества изображений без эталона с анализом отдельных областей.

109скачиваний за 30 дней2лайкавеса обновлены20 авг 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

Zoom-IQA-7B — мультимодальная модель для оценки качества изображений без эталонного изображения, разработанная авторами проекта Zoom-IQA. Она анализирует изображение с помощью двухэтапного рассуждения с учётом отдельных областей: выделяет значимые фрагменты и использует их при формировании оценки. В репозитории опубликованы веса для инференса; модель дообучена на основе Qwen/Qwen2.5-VL-7B-Instruct.

Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2.5-VL и принимает изображения вместе с текстовыми инструкциями, выдавая текстовый результат оценки качества. Её можно применять в исследованиях оценки изображений без референса и для анализа визуальных дефектов или различий между областями изображения. Контекст составляет до 128 000 токенов. Лицензия — Apache-2.0.

Результаты генерируются сэмплированием и иногда могут иметь некорректный формат. Оценки зависят от формулировки запроса, настроек декодирования, предобработки и версии среды запуска; модель предназначена для исследований качества изображений, а не для решений с высокими последствиями.

Сценарии применения

  • оценка качества фотографии без исходного эталона
  • поиск областей изображения с визуальными дефектами
  • сравнение качества разных фрагментов изображения
  • получение текстового обоснования оценки качества изображения

Ограничения

Результаты могут иметь некорректный формат и меняться в зависимости от запроса, декодирования, предобработки и версии среды запуска. Модель предназначена для исследований и не рассчитана на решения с высокими последствиями.

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

Zoom-IQA-7B

Official model for Zoom-IQA: Image Quality Assessment with Reliable Region-Aware Reasoning.

Paper · Project page · Base model

Zoom-IQA-7B performs no-reference image quality assessment through two-round, region-aware reasoning. This specific version is our enhanced open-source release, trained on 8× NVIDIA H200 GPUs to achieve stronger generalization capabilities. This repository contains the inference weights; training data are released separately in the companion GR-IQA repository.

Quick start

Use the companion Zoom-IQA evaluator, which implements the prompts, crop routing, parsing, and evaluation metrics used by the model. In its Transformers environment, run:

zoomiqa-score \
  --model-path /path/to/Zoom-IQA-7B \
  --image /path/to/your_image.jpg \
  --device 0

For benchmark evaluation, use zoomiqa-eval; a separate zoomiqa-eval-vllm entrypoint is available for faster inference. See the code repository for installation, annotation format, Python usage, and complete command-line options.

The bundled generation_config.json is checkpoint metadata. The official evaluator supplies its protocol settings explicitly.

Limitations

Outputs are sampled and may occasionally be malformed. Results can change with different prompts, decoding settings, preprocessing, or runtime versions. The model is intended for image-quality research, not high-stakes decisions.

License

Released under the Apache License 2.0. Benchmark images and GR-IQA source images retain their original licenses.

Citation

@article{liang2026zoomiqa,
  title={Zoom-IQA: Image Quality Assessment with Reliable Region-Aware Reasoning},
  author={Liang, Guoqiang and Wang, Jianyi and Wu, Zhonghua and Zhou, Shangchen and Loy, Chen Change},
  journal={arXiv preprint arXiv:2601.02918},
  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
Qwen2_5_VLForConditionalGeneration
Ревизия весов
ad0dc2d

0 моделей