/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
florence2 · dense
Опубликована
30 окт 2024

Florence-2-base-PromptGen-v2.0

Генерация текстаТекст → текст3 профессии

Дообученная Florence-2, которая описывает изображения, генерирует теги и композиционные подсказки, в том числе для подготовки промптов Flux.

5 792скачиваний за 30 дней74лайкавеса обновлены5 ноя 2024

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

Florence-2-base-PromptGen v2.0 — дообученная модель MiaoshouAI на базе PromptGen 1.5 для создания подписей и промптов по изображениям. Она принимает изображение и текстовую инструкцию, а затем выдаёт короткие или подробные описания, теги в стиле Danbooru, структурированные подписи с позициями объектов, анализ композиции либо смешанный вариант описания и тегов.

Модель предназначена для подготовки текстовых подсказок к изображениям Flux, включая формирование текста для T5XXL и CLIP_L за один проход через узел Miaoshou Tagger в ComfyUI. В README заявлены быстрая работа и потребление немного более 1 ГБ видеопамяти. Модель основана на архитектуре Florence-2; репозиторий распространяет веса в формате safetensors.

Лицензия — MIT. README не приводит оценки качества на тестах; качество зависит от изображения и выбранной инструкции, а описания и теги могут быть неполными или неточными.

Сценарии применения

  • создание тегов изображений в стиле Danbooru
  • генерация коротких подписей к изображениям
  • подготовка подробных описаний изображения
  • определение расположения объектов в структурированной подписи
  • анализ композиции изображения
  • подготовка смешанных описаний и тегов для промптов Flux

Ограничения

README не приводит результаты стандартизированных оценок; точность описаний и тегов может зависеть от изображения и инструкции. Указанные требования к видеопамяти и работа с Flux относятся к описанному сценарию использования.

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

Florence-2-base-PromptGen v2.0

This upgrade is based on PromptGen 1.5 with some new features to the model:

Features:

  • Improved caption quality for <GENERATE_TAGS>, <DETAILED_CAPTION> and <MORE_DETAILED_CAPTION>.
  • A new <ANALYZE> instruction, which helps the model to better understands the image composition of the input image.
  • Memory efficient compare to other models! This is a really light weight caption model that allows you to use a little more than 1G of VRAM and produce lightening fast and high quality image captions.
  • Designed to handle image captions for Flux model for both T5XXL CLIP and CLIP_L, the Miaoshou Tagger new node called "Flux CLIP Text Encode" which eliminates the need to run two separate tagger tools for caption creation. You can easily populate both CLIPs in a single generation, significantly boosting speed when working with Flux models.

Instruction prompt:

<GENERATE_TAGS> generate prompt as danbooru style tags <CAPTION> a one line caption for the image <DETAILED_CAPTION> a structured caption format which detects the position of the subjects in the image <MORE_DETAILED_CAPTION> a very detailed description for the image <ANALYZE> image composition analysis mode <MIXED_CAPTION> a mixed caption style of more detailed caption and tags, this is extremely useful for FLUX model when using T5XXL and CLIP_L together. A new node in MiaoshouTagger ComfyUI is added to support this instruction. <MIXED_CAPTION_PLUS> Combine the power of mixed caption with analyze.

Version History:

For version 2.0, you will notice the following

  1. <ANALYZE> along with a beta node in ComfyUI for partial image analysis
  2. A new instruction for <MIXED_CAPTION_PLUS>
  3. A much improve accuracy for <GENERATE_TAGS>, <DETAILED_CAPTION> and <MORE_DETAILED_CAPTION>

How to use:

To use this model, you can load it directly from the Hugging Face Model Hub:


model = AutoModelForCausalLM.from_pretrained("MiaoshouAI/Florence-2-base-PromptGen-v2.0", trust_remote_code=True)
processor = AutoProcessor.from_pretrained("MiaoshouAI/Florence-2-base-PromptGen-v2.0", trust_remote_code=True)

prompt = "<MORE_DETAILED_CAPTION>"

url = "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/transformers/tasks/car.jpg?download=true"
image = Image.open(requests.get(url, stream=True).raw)

inputs = processor(text=prompt, images=image, return_tensors="pt").to(device)

generated_ids = model.generate(
    input_ids=inputs["input_ids"],
    pixel_values=inputs["pixel_values"],
    max_new_tokens=1024,
    do_sample=False,
    num_beams=3
)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=False)[0]

parsed_answer = processor.post_process_generation(generated_text, task=prompt, image_size=(image.width, image.height))

print(parsed_answer)

Use under MiaoshouAI Tagger ComfyUI

If you just want to use this model, you can use it under ComfyUI-Miaoshouai-Tagger

https://github.com/miaoshouai/ComfyUI-Miaoshouai-Tagger

A detailed use and install instruction is already there. (If you have already installed MiaoshouAI Tagger, you need to update the node in ComfyUI Manager first or use git pull to get the latest update.)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Florence2ForConditionalGeneration
Ревизия весов
59b6e4b

0 моделей