/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
32 млрд
Размер весов
66,9 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-32B-Instruct
Библиотека
transformers
Опубликована
30 сен 2025

PromptEnhancer-Img2img-Edit

Генерация текстаТекст → текст3 профессии

Мультимодальная модель на базе Qwen2.5-VL-32B-Instruct переписывает инструкции к редактированию изображений с учётом текста и изображения.

105скачиваний за 30 дней10лайковвеса обновлены30 сен 2025

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

PromptEnhancerV2 (32B) Img2Img Edit — мультимодальная языковая модель, дообученная на базе Qwen/Qwen2.5-VL-32B-Instruct для улучшения и переписывания инструкций к редактированию изображений. Она учитывает исходный текст и предоставленное изображение, чтобы сохранять намерение пользователя и формулировать более ясные, структурированные и логически согласованные запросы для последующего редактирования изображения. Модель использует архитектуру Qwen2.5-VL с 32 млрд параметров, поддерживает китайский и английский языки, работает с контекстом до 128 000 токенов и рассчитана на диалоговый сценарий.

Модель предназначена для подготовки текстовых инструкций к задачам image-to-image редактирования; сама карточка описывает переписывание запросов, а не генерацию или изменение изображений. В README указана лицензия Apache-2.0, тогда как метаданные Hugging Face помечают лицензию как other, поэтому условия распространения и использования следует сверить с файлами репозитория. README также описывает применение chain-of-thought reasoning, но не приводит независимой оценки качества или подробностей обучения.

Сценарии применения

  • уточнение короткой инструкции для редактирования изображения
  • переписывание запроса с учётом содержимого исходного изображения
  • структурирование сложного запроса на изменение изображения
  • подготовка ясной инструкции для последующего image-to-image редактора

Ограничения

Модель формулирует и улучшает инструкции, но README не заявляет, что она сама редактирует или генерирует изображения. Метаданные указывают лицензию как other, хотя в README названа Apache-2.0; проверьте файлы репозитория перед использованием.

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

PromptEnhancerV2 (32B) - Img2Img Edit

PromptEnhancerV2 is a multimodal language model fine-tuned for image-to-image editing instruction enhancement and rewriting. It refines editing instructions by leveraging both the input text and the provided image, preserving the original intent while producing clearer, structured, and logically consistent prompts suitable for downstream image editing tasks.

Model Details

Model Description

PromptEnhancerV2 (Img2Img Edit) is a specialized vision-language prompt rewriting model that employs chain-of-thought reasoning to enhance user editing instructions with visual context.

  • Model type: Vision-Language Model for Prompt Enhancement
  • Language(s) (NLP): Chinese (zh), English (en)
  • License: Apache-2.0
  • Finetuned from model: Qwen/Qwen2.5-VL-32B-Instruct

Model Sources

How to Get Started with the Model

  • 1. Clone the repository::
git clone https://github.com/ximinng/PromptEnhancer.git
cd PromptEnhancer
pip install -r requirements.txt
  • 2. Model Download:
huggingface-cli download PromptEnhancer/PromptEnhancer-Img2img-Edit --local-dir ./models/promptenhancer-img2img-edit
  • 3. Use the model:
from inference.prompt_enhancer_img2img import PromptEnhancerImg2Img

# Initialize the model
models_root_path = "./models/promptenhancer-img2img-edit"
enhancer = PromptEnhancerImg2Img(model_path=models_root_path, device_map="auto")

# Enhance an editing instruction with image context (Chinese or English)
edit_instruction = "去掉图片底部的水印,保留主体不变"
image_path = "./examples/sample_image.png"

enhanced_prompt = enhancer.predict(
    edit_instruction=edit_instruction,
    image_path=image_path,
    temperature=0.1,
    top_p=0.9,
    max_new_tokens=2048
)

print("Enhanced:", enhanced_prompt)

Citation

If you find this model useful, please consider citing:

BibTeX:

@article{promptenhancer,
  title={PromptEnhancer: A Simple Approach to Enhance Text-to-Image Models via Chain-of-Thought Prompt Rewriting},
  author={Wang, Linqing and Xing, Ximing and Cheng, Yiji and Zhao, Zhiyuan and Donghao, Li and Tiankai, Hang and Zhenxi, Li and Tao, Jiale and Wang, QiXun and Li, Ruihuang and Chen, Comi and Li, Xin and Wu, Mingrui and Deng, Xinchi and Gu, Shuyang and Wang, Chunyu and Lu, Qinglin},
  journal={arXiv preprint arXiv:2509.04545},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
00e494d

0 моделей