/ 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-RefSeg

Генерация текстаТекст → текст3 профессии

GLaMM-RefSeg выделяет на изображении объект, соответствующий текстовому описанию.

75скачиваний за 30 дней1лайквеса 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-RefSeg — модель MBZUAI для сегментации объектов по текстовому описанию: она связывает выражение на естественном языке с соответствующей областью изображения и выделяет её. В README модель отнесена к семейству GLaMM и предназначена для задач referring expression segmentation.

Модель построена на архитектуре LLaVA и имеет 6,6 млрд параметров; для неё указан контекст длиной 4096 токенов и формат весов PyTorch. Метаданные Hugging Face помечают её как text-generation, однако заявленное в README назначение — сегментация по текстовому запросу. Лицензия — Apache-2.0. Подробности о языках запросов и метриках качества в доступных материалах не приведены.

Сценарии применения

  • сегментация объекта на изображении по текстовому запросу
  • выделение описанного предмета или области на сцене
  • подготовка масок объектов для анализа изображений

Ограничения

В доступных материалах не приведены метрики качества, ограничения по типам изображений или сведения о поддерживаемых языках запросов.

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-RefSeg


📝 Description

GLaMM-RegCap-VG is the model specific to referring expression segmentation. "RefSeg" denotes its focus on segmentation tasks related to referring expressions.

💻 Download

To get started with GLaMM-RefSeg, follow these steps:

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

📚 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
GLaMMForCausalLM
Ревизия весов
bc307de

0 моделей