/ Модель

Характеристики

Лицензия
Gemma
Архитектура
gemma3 · dense
Базовая модель
gemma-3-4b-it
Опубликована
29 июн 2026

ATOMIC-Gemma

Изображение и текст → текст3 профессии

ATOMIC-Gemma — специализированная зрительно-языковая модель на базе Gemma 3 4B IT для диалога и ответов по изображениям просвечивающей электронной микроскопии.

25скачиваний за 30 дней0лайковвеса обновлены27 июл 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

ATOMIC-Gemma — специализированная зрительно-языковая модель для работы с изображениями просвечивающей электронной микроскопии (TEM), разработанная авторами проекта ATOMIC. Модель дообучена методом instruction tuning второго этапа на базе Google Gemma 3 4B IT; для обучения использовано 60 тысяч диалогов по TEM.

Модель предназначена для диалога и ответов на вопросы по микроскопическим изображениям, в том числе для научных сценариев в материаловедении. Она принимает изображения и текстовые запросы и формирует текстовые ответы. В карточке указана лицензия Gemma. README отмечает, что модель создана после срока подачи статьи ECCV 2026 и не входит в опубликованную работу; она служит демонстрацией переноса обучающего конвейера ATOMIC на другую архитектуру.

Сценарии применения

  • ответы на вопросы об изображениях просвечивающей электронной микроскопии
  • описание микроструктур материалов по TEM-снимкам
  • диалоговый анализ научных микроскопических изображений

Ограничения

Модель настроена для TEM-сценариев, поэтому её ответы для других типов изображений могут быть менее подходящими. В README не приводятся результаты оценки качества.

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

ATOMIC-Gemma

ATOMIC-Gemma is a domain-specific Vision-Language Model for Transmission Electron Microscopy (TEM), fine-tuned from Gemma3-4B-IT using Stage 2 instruction tuning on TEM conversation data.

Note: ATOMIC-Gemma is developed after the ECCV 2026 submission deadline and is not part of the published paper. It is released here to demonstrate the generalizability of the ATOMIC training pipeline across different base model architectures.

For the published paper and full pipeline, please refer to our GitHub repository: 👉 https://github.com/SemiMIRTLab/ATOMIC


Model Details

Base ModelGemma3-4B-IT (google/gemma-3-4b-it)
Training StageStage 2 (instruction tuning) only
Training Data60K Stage 2 conversations
DomainTransmission Electron Microscopy (TEM)
ModalitiesCTEM, HR-TEM, STEM, Diffraction

Inference

ATOMIC-Gemma can be loaded directly via transformers:

from transformers import AutoProcessor, Gemma3ForConditionalGeneration
from PIL import Image
import torch

model_id = "LabSmart/ATOMIC-Gemma"

model = Gemma3ForConditionalGeneration.from_pretrained(
    model_id,
    device_map="auto",
    torch_dtype=torch.bfloat16
).eval()
processor = AutoProcessor.from_pretrained(model_id)

image = Image.open("your_TEM_image.png").convert("RGB")

messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "image": image},
            {"type": "text", "text": "What type of TEM image is this?"}
        ]
    }
]

inputs = processor.apply_chat_template(
    messages,
    add_generation_prompt=True,
    tokenize=True,
    return_dict=True,
    return_tensors="pt"
).to(model.device, dtype=torch.bfloat16)

input_len = inputs["input_ids"].shape[-1]

with torch.inference_mode():
    generation = model.generate(**inputs, max_new_tokens=256, do_sample=False)

generation = generation[0][input_len:]
response = processor.decode(generation, skip_special_tokens=True)
print(response)

Training Data

Training data is available on HuggingFace: 👉 https://huggingface.co/datasets/LabSmart/ATOMIC_dataset


Citation

@inproceedings{atomic2026eccv,
  title     = {ATOMIC: A Domain-Specific Vision-Language Model
               for Transmission Electron Microscopy},
  author    = {Tu, C. and Hsu, Shu-han and others},
  booktitle = {Proceedings of ECCV 2026},
  year      = {2026},
  note      = {BibTeX will be updated upon publication}
}

License

This model is released under the Gemma Terms of Use. It is intended for academic research purposes only.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForConditionalGeneration
Ревизия весов
817fb9d

0 моделей