/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
7,1 млрд
Размер весов
16,6 ГБ
Лицензия
MIT
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-7B-Instruct
Опубликована
30 ноя 2025

RSCoVLM-7B-2512

Изображение и текст → текст3 профессии

RSCoVLM — дообученная мультимодальная модель Qwen для анализа снимков дистанционного зондирования и ответов на вопросы о них.

1 036скачиваний за 30 дней1лайквеса обновлены21 янв 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

RSCoVLM — мультимодальная модель, разработанная Qingyun Li и соавторами для анализа данных дистанционного зондирования. Это дообученная версия Qwen/Qwen2.5-VL-7B-Instruct с плотной архитектурой Qwen2.5-VL и 7,1 млрд параметров; она принимает изображения и текстовые запросы и формирует текстовые ответы. Модель предназначена для понимания спутниковых и аэрофотоснимков, рассуждений по изображениям сверхвысокого разрешения, обнаружения объектов с ориентированными рамками и связанных многозадачных сценариев в дистанционном зондировании.

Модель поддерживает контекст до 128 000 токенов и, согласно метаданным, английский язык. Весы опубликованы в формате safetensors. Лицензия MIT. Карточка описывает настройку для дистанционного зондирования, но не приводит количественных результатов; качество на конкретных данных и точный набор поддерживаемых подзадач следует проверять на практике.

Сценарии применения

  • описание содержания спутниковых снимков
  • ответы на вопросы по аэрофотоснимкам
  • рассуждения по изображениям сверхвысокого разрешения
  • обнаружение объектов на снимках дистанционного зондирования с ориентированными рамками
  • многозадачный анализ изображений Земли

Ограничения

Карточка не сообщает количественных оценок качества или результатов по отдельным подзадачам. Специализация на данных дистанционного зондирования не гарантирует надёжности на других типах изображений.

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

This repo hosts the checkpoint of RSCoVLM based on Qwen/Qwen2.5-VL-7B-Instruct trained on a comprehensive remote sensing data recipe.

RSCoVLM is a technical practice to fine-tune Large Multimodal language Models for remote sensing image understanding, ultra-high-resolution image reasoning, oriented object detection, and so on. This repo hosts the official model weight of the paper: RSCoVLM: Co-Training Vision Language Models for Remote Sensing Multi-task Learning.

Downloading Guide

You can download with your web browser on the file page.

We recommand downloading in terminal using hf (pip install --upgrade huggingface_hub). You can refer to the document for more usages.

# Set Huggingface Mirror for Chinese users (if required):
export HF_ENDPOINT=https://hf-mirror.com 
# Download a certain checkpoint:
hf download Qingyun/RSCoVLM-7B-2512 --repo-type model --local-dir checkpoint/RSCoVLM-7B-2512/
# If any error (such as network error) interrupts the downloading, you just need to execute the same command, the latest hf will resume downloading.

Cite

RSCoVLM and LMMRotate paper:


@ARTICLE{li2026rscovlm,
  author={Li, Qingyun and Ma, Shuran and Luo, Junwei and Yu, Yi and Zhou, Yue and Wang, Fengxiang and Lu, Xudong and Wang, Xiaoxing and He, Xin and Chen, Yushi and Yang, Xue},
  title={Co-Training Vision-Language Models for Remote Sensing Multi-Task Learning},
  journal={Remote Sensing},
  volume={18},
  year={2026},
  number={2},
  article-number={222},
  url={https://www.mdpi.com/2072-4292/18/2/222},
  issn={2072-4292},
  doi={10.3390/rs18020222}
}

@INPROCEEDINGS{11242725,
  author={Li, Qingyun and He, Xin and Shu, Xinya and Yu, Yi and Chen, Dong and Chen, Yushi and Yang, Xue},
  booktitle={IGARSS 2025 - 2025 IEEE International Geoscience and Remote Sensing Symposium}, 
  title={A Simple Aerial Detection Baseline of Multimodal Language Models}, 
  year={2025},
  pages={6833-6837},
  doi={10.1109/IGARSS55030.2025.11242725}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
be83f28

0 моделей