/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
florence2 · dense
Опубликована
2 ноя 2024

Florence-2-large-PromptGen-v2.0

Генерация текстаТекст → текст3 профессии

Модель MiaoshouAI на базе Florence-2 преобразует изображения в теги, подписи и подробные или структурированные описания, в том числе промпты для Flux.

8 477скачиваний за 30 дней126лайковвеса 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-large-PromptGen v2.0 — модель MiaoshouAI на базе Florence-2, предназначенная для создания подписей и промптов по изображениям. Она предлагает несколько форматов вывода: теги в стиле Danbooru, короткую подпись, подробное описание, структурированное описание с расположением объектов и анализ композиции. Смешанный режим объединяет подробную подпись и теги для подготовки текста под Flux, включая варианты для T5XXL и CLIP_L.

Модель рассчитана на работу с изображениями в сценариях генерации и тегирования: автор заявляет низкое потребление памяти — чуть более 1 ГБ видеопамяти — и высокую скорость. Для использования через графический интерфейс автор рекомендует узел ComfyUI-Miaoshouai-Tagger. Репозиторий содержит веса в safetensors; лицензия — MIT. В карточке не приведены измерения качества или результаты сравнений, поэтому заявленные скорость и качество следует считать характеристиками по описанию автора.

Сценарии применения

  • создание тегов Danbooru по изображению
  • генерация коротких и подробных подписей к изображениям
  • анализ композиции и расположения объектов на изображении
  • подготовка смешанных подписей и тегов для промптов Flux
  • создание текстовых описаний изображений для T5XXL и CLIP_L

Ограничения

Карточка не приводит результатов независимой оценки качества или сравнительных тестов. Заявленное потребление видеопамяти чуть более 1 ГБ дано автором без уточнения оборудования и условий измерения.

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-large-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-large-PromptGen-v2.0", trust_remote_code=True)
processor = AutoProcessor.from_pretrained("MiaoshouAI/Florence-2-large-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
4aa33ea

0 моделей