/ Модель

Характеристики

Контекст
4 096 токенов
Архитектура
infimm-hd · dense
Опубликована
3 мар 2024

infimm-hd

Генерация текстаТекст → текст4 профессии

Infi-MM-HD — мультимодальная диалоговая модель для генерации текста по текстовым и визуальным входам.

96скачиваний за 30 дней27лайковвеса обновлены6 мар 2024

Бенчмарки

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

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

Infi-MM/infimm-hd — базовая мультимодальная модель семейства InfiMM-HD, представленная разработчиками как предварительно обученная модель с опубликованными весами и кодом PyTorch. Она предназначена для диалоговой генерации текста, в том числе сценариев с изображениями; в метаданных Hugging Face основная задача указана как text-generation, а контекст составляет 4096 токенов. Модель использует плотную архитектуру InfiMMHDModel и доступна в формате PyTorch.

По языковым тегам подтверждён английский. Карточка ссылается на предварительное обучение на наборах OBELICS, LAION-2B-en, COYO-700M и MMC4. Лицензия и сведения о размере модели в предоставленных данных отсутствуют.

Сценарии применения

  • диалоговые ответы на английском языке
  • описание изображений в текстовой форме
  • ответы на вопросы по содержимому изображения
  • генерация текста в мультимодальном чате

Ограничения

Контекст ограничен 4096 токенами. Предоставленные сведения не уточняют качество на отдельных задачах, лицензию и размер модели.

Для каких профессий подходит4

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

Paper

More detailes can be found in our paper at https://arxiv.org/abs/2403.01487. We have released the pretraining model and the pyotrch code at https://github.com/InfiMM/infimm-hd/. Feel free to build your model from our pretrained model.

Quickstart

Use the code below to get started with the base model:

import torch
from transformers import AutoModelForCausalLM, AutoProcessor

processor = AutoProcessor.from_pretrained("Infi-MM/infimm-hd", trust_remote_code=True)

prompts = [
    {
        "role": "user",
        "content": [
            {"image": "/xxx/test.jpg"}, # change it with you image
            "Please describe the image in detail.",
        ],
    }
]
inputs = processor(prompts)
# use bf16 and gpu 0
model = AutoModelForCausalLM.from_pretrained(
    "Infi-MM/infimm-hd",
    torch_dtype=torch.bfloat16,
    trust_remote_code=True,
).to(0).eval()

inputs = inputs

inputs["batch_images"] = inputs["batch_images"].to(torch.bfloat16)
for k in inputs:
    inputs[k] = inputs[k].to(model.device)

generated_ids = model.generate(
    **inputs,
    min_new_tokens=0,
    max_new_tokens=256,
)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)
print(generated_text)

License

This project is licensed under the CC BY-NC 4.0.

The copyright of the images belongs to the original authors.

See LICENSE for more information.

Contact Us

Please feel free to contact us via email infimmbytedance@gmail.com if you have any questions.

Citation

@misc{liu2024infimmhd,
      title={InfiMM-HD: A Leap Forward in High-Resolution Multimodal Understanding}, 
      author={Haogeng Liu and Quanzeng You and Xiaotian Han and Yiqi Wang and Bohan Zhai and Yongfei Liu and Yunzhe Tao and Huaibo Huang and Ran He and Hongxia Yang},
      year={2024},
      eprint={2403.01487},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
InfiMMHDModel
Ревизия весов
c20153b

0 моделей