/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
8,9 ГБ
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-4B-Instruct
Библиотека
transformers
Опубликована
21 июн 2026

view2space_4b

Изображение и текст → текст3 профессии

VIEW2SPACE view2space_4b — мультимодальная модель для пространственного рассуждения по разреженным изображениям с разных ракурсов.

33скачиваний за 30 дней9лайковвеса обновлены12 окт 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

VIEW2SPACE view2space_4b — модель на основе Qwen/Qwen3-VL-4B-Instruct, разработанная для проекта VIEW2SPACE и представленная как исследовательская работа ECCV 2026. Она анализирует несколько разреженных наблюдений с разных, в том числе неоднородных, ракурсов и формирует пространственное понимание сцены на основе изображений и текстовых запросов.

Модель предназначена для визуального рассуждения по нескольким изображениям, когда для ответа нужно объединить частичные сведения с разных точек обзора. Она использует архитектуру Qwen3VLForConditionalGeneration и распространяется в формате safetensors; карточка рекомендует применять код оценки и форматирование запросов из официального репозитория VIEW2SPACE. Лицензия в предоставленных данных не указана.

Сценарии применения

  • Сопоставление объектов и деталей на изображениях с разных ракурсов
  • Ответы на вопросы о пространственных отношениях между объектами
  • Восстановление целостного понимания сцены по частичным наблюдениям
  • Сравнение неоднородных видов одной сцены

Ограничения

Модель рассчитана на разреженные наблюдения с нескольких ракурсов, а не на обобщённые задачи по одному изображению. Для оценки и корректного форматирования запросов рекомендуется использовать инструменты официального проекта VIEW2SPACE.

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

VIEW2SPACE: Studying Multi-View Visual Reasoning from Sparse Observations

view2space_4b is an ECCV 2026 VIEW2SPACE model built on top of Qwen/Qwen3-VL-4B-Instruct. It is designed for grounded multi-view visual reasoning from sparse observations.

VIEW2SPACE teaser

Quick start

Please see the VIEW2SPACE GitHub repository for evaluation code and usage:

🧑‍💻GitHub Repository

👀Project Page

Quick links

Overview

VIEW2SPACE studies how vision-language models reason across sparse and heterogeneous viewpoints. Instead of solving a task from a single image, the model must integrate partial observations from multiple views to form a more complete spatial understanding.

This checkpoint is the Qwen3-VL-4B VIEW2SPACE model release and is intended for multi-view visual reasoning under sparse observations.

Model Summary

  • Model name: view2space_4b
  • Base model: Qwen/Qwen3-VL-4B-Instruct
  • Architecture: Qwen3VLForConditionalGeneration
  • Project: VIEW2SPACE
  • Use case: multi-view visual reasoning from sparse observations
  • Venue: ECCV 2026

Highlights

  • Built for grounded multi-view reasoning rather than single-image prediction.
  • Targets sparse observations and heterogeneous viewpoints.
  • Released together with the public VIEW2SPACE testing set and evaluation code.

Resources

  • Public testing release: view2space-v1
  • Official repository: https://github.com/pokerme7777/VIEW2SPACE
  • Public eval pipeline: src/eval in the official repository

Usage Notes

  • Use the official VIEW2SPACE repository for evaluation scripts and prompt formatting.
  • The current public testing release is view2space-v1.
  • If you need another public data format, please open an issue in the GitHub repository.

Framework versions

  • TRL: 0.26.2
  • Transformers: 4.57.0
  • Pytorch: 2.7.1+cu126
  • Datasets: 4.4.2
  • Tokenizers: 0.22.1

Citations

@inproceedings{ke2026view2space,
  title={View2space: Studying multi-view visual reasoning from sparse observations},
  author={Ke, Fucai and Cai, Zhixi and Li, Boying and Chen, Long and Lin, Beibei and Wang, Weiqing and Haghighi, Pari Delir and Haffari, Gholamreza and Rezatofighi, Hamid},
  booktitle={European Conference on Computer Vision},
  pages={520--538},
  year={2026},
  organization={Springer}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
abdeb30

0 моделей