/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
7,1 млрд
Размер весов
16,6 ГБ
Архитектура
qwen2_5_vl · dense
Библиотека
transformers
Опубликована
6 июл 2025

JarvisArt-Preview

Изображение и текст → текст3 профессии

Мультимодальный агент на базе Qwen2.5-VL для ретуши фотографий по текстовым инструкциям и указанию областей изображения.

25скачиваний за 30 дней7лайковвеса обновлены17 июл 2025

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

JarvisArt-Preview — мультимодальная модель-агент для интеллектуальной ретуши фотографий, разработанная исследователями из Сямэньского университета и других университетов и организаций. Она принимает изображения и инструкции на естественном языке, а также может использовать ограничивающие рамки для задания областей редактирования. Модель построена на архитектуре Qwen2.5-VL, содержит 7,1 млрд параметров и поддерживает контекст длиной до 128 000 токенов.

JarvisArt предназначена для многоэтапного редактирования изображений: от общей коррекции сцены до локальной ретуши отдельных областей. В оригинальной системе агент координирует более 200 инструментов Adobe Lightroom; обучение включало дообучение с цепочками рассуждений и оптимизацию GRPO-R на наборе MMArt. В карточке этого репозитория не указаны условия лицензии, поэтому их нельзя определить по доступным данным.

Сценарии применения

  • глобальная цветовая и тональная коррекция фотографии
  • локальная ретушь выбранного участка изображения
  • редактирование фотографии по текстовому запросу
  • уточнение области редактирования с помощью ограничивающей рамки

Ограничения

Карточка не сообщает лицензию репозитория и не уточняет, поставляются ли вместе с весами инструменты Adobe Lightroom, которыми пользуется описанный агент. Заявленные возможности координации более 200 инструментов относятся к системе JarvisArt в целом.

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

JarvisArt: Liberating Human Artistic Creativity via an Intelligent Photo Retouching Agent


⚠️ Security Warning

IMPORTANT: This is the ONLY official JarvisArt repository!

We have identified fake repositories claiming to be JarvisArt that may contain malware, viruses, or malicious code. Please be extremely cautious and only use this official repository.

Known fake/malicious repositories:

  • ❌ https://github.com/joelp0/JarvisArt - FAKE & POTENTIALLY DANGEROUS
  • ❌ Any other repositories not from our official organization

📝 Overview

JarvisArt is a multi-modal large language model (MLLM)-driven agent for intelligent photo retouching. It is designed to liberate human creativity by understanding user intent, mimicking the reasoning of professional artists, and coordinating over 200 tools in Adobe Lightroom. JarvisArt utilizes a novel two-stage training framework, starting with Chain-of-Thought supervised fine-tuning for foundational reasoning, followed by Group Relative Policy Optimization for Retouching (GRPO-R) to enhance its decision-making and tool proficiency. Supported by the newly created MMArt dataset (55K samples) and MMArt-Bench, JarvisArt demonstrates superior performance, outperforming GPT-4o with a 60% improvement in pixel-level metrics for content fidelity while maintaining comparable instruction-following capabilities.


🎬 Demo Videos

Global Retouching Case

Local Retouching Case

📚 Citation

If you find JarvisArt useful in your research, please consider citing:

@article{jarvisart2025,
title={JarvisArt: Liberating Human Artistic Creativity via an Intelligent Photo Retouching Agent}, 
      author={Yunlong Lin and Zixu Lin and Kunjie Lin and Jinbin Bai and Panwang Pan and Chenxin Li and Haoyu Chen and Zhongdao Wang and Xinghao Ding and Wenbo Li and Shuicheng Yan},
      year={2025},
      journal={arXiv preprint arXiv:2506.17612}
}

📧 Contact

For any questions or inquiries, please reach out to us:


🙏 Acknowledgements

We would like to express our gratitude to LLaMA-Factory and gradio_image_annotator for their valuable open-source contributions which have provided important technical references for our work.

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
db7677a

0 моделей