/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
vision-encoder-decoder · dense
Библиотека
transformers
Опубликована
16 мар 2023

omr_transformer

Описание изображенийИзображение → текст3 профессии

Модель распознаёт простые музыкальные ноты на изображениях и выводит их в формате LilyPond.

262скачиваний за 30 дней14лайковвеса обновлены5 окт 2023

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 «Распознавание текста» — 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

Flova/omr_transformer — модель оптического распознавания музыкальной нотации, разработанная на основе Donut. Она принимает изображение нотной записи и преобразует его в простые ноты в формате LilyPond. Обучающие примеры включали искусственные изображения, рукописные записи и изображения с досок.

Модель построена на архитектуре vision-encoder-decoder и распространяется в формате PyTorch. Карточка описывает англоязычную версию; для использования требуется библиотека Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • распознавание нот с изображения нотной записи
  • преобразование рукописных нот в LilyPond
  • извлечение нот из изображения с доски
  • оцифровка простых музыкальных фрагментов

Ограничения

Модель предназначена для распознавания простых нот и выдачи их в формате LilyPond; карточка не заявляет поддержку полного разбора сложной музыкальной нотации.

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

Optical Music Recognition Transformer

Image-To-Text model for optical music recognition. The model is trained to predict simple notes in the LilyPond format from a given image. Training data consists of artificial, handwritten and white board images. The model itself is based on Donut.

Demo

White Board Sample

Prediction: c'2 a''8 c''8 r4 c'1 e'8 c'8 c'8 a''8 f'4 a'8 c'8

White Board Sample

Prediction: d'8 g'8 c''8 a'8 d'2 c'8 f''8 d'4 c''4 e'8 r8 g'8 b'8 e'8 g'8 d'2

Handwritten White Board Sample

Prediction: g'4 c'4 r8 f''8 e'8 d'8 r8 c'4 c'2 a'2 b'4 r4 a'8 r8 r4

Repo: https://github.com/UHHRobotics22-23/robot_project/tree/main/marimbabot_vision

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
393ab4f

0 моделей