/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
16,8 ГБ
Лицензия
Apache 2.0
Архитектура
llava · dense
Опубликована
26 дек 2023

GLaMM-GranD-Pretrained

Генерация текстаТекст → текст3 профессии

Предварительно обученная модель MBZUAI на базе LLaVA для понимания понятий и областей изображений, связанная с сегментационными масками.

142скачиваний за 30 дней4лайкавеса обновлены26 дек 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 «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

GLaMM-GranD-Pretrained — предварительно обученная мультимодальная модель MBZUAI для понимания изображений на уровне областей и сегментационных масок. Она обучена на наборе GranD, созданном автоматизированным конвейером разметки: в нём 7,5 млн уникальных понятий связаны с 810 млн областей изображений, каждая из которых имеет маску сегментации.

Модель основана на архитектуре LLaVA и использует плотную архитектуру LISAForCausalLM; содержит 6,6 млрд параметров и поддерживает контекст до 4096 токенов. В метаданных Hugging Face основная задача обозначена как генерация текста, однако описание датасета указывает на визуальное понимание областей и сегментацию. Доступны веса PyTorch, лицензия — Apache-2.0.

Модель подходит для экспериментов и задач визуального диалога, требующих связывать понятия с областями изображения и масками. Карточка не приводит сведения о языках, конкретных инструкциях по использованию или оценках качества; генерация масок как выходная возможность не подтверждена метаданными, поэтому её следует считать ограниченно описанной.

Сценарии применения

  • понимание объектов и областей на изображении
  • сопоставление понятий с областями изображения
  • эксперименты с визуальным диалогом
  • исследование сегментации изображений по текстовым понятиям

Ограничения

В метаданных задача указана как генерация текста, а детали интерфейса для визуальных входов и выдачи масок в README не описаны. Языки и результаты оценки качества не приведены.

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

👁️ GLaMM-GranD-Pretrained


📝 Description

GLaMM-GranD-Pretrained is the model pretrained on GranD dataset, a large-scale dataset generated with automated annotation pipeline for detailed region-level understanding and segmentation masks. GranD comprises 7.5M unique concepts anchored in a total of 810M regions, each with a segmentation mask.

💻 Download

To get started with GLaMM-GranD-Pretrained, follow these steps:

git lfs install
git clone https://huggingface.co/MBZUAI/GLaMM-GranD-Pretrained

📚 Additional Resources

📜 Citations and Acknowledgments

  @article{hanoona2023GLaMM,
          title={GLaMM: Pixel Grounding Large Multimodal Model},
          author={Rasheed, Hanoona and Maaz, Muhammad and Shaji, Sahal and Shaker, Abdelrahman and Khan, Salman and Cholakkal, Hisham and Anwer, Rao M. and Xing, Eric and Yang, Ming-Hsuan and Khan, Fahad S.},
          journal={ArXiv 2311.03356},
          year={2023}
  }

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LISAForCausalLM
Ревизия весов
a2513f9

0 моделей