/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Библиотека
transformers
Опубликована
17 июн 2026

ShutterMuse

Изображение и текст → текст3 профессии

ShutterMuse — мультимодальная модель на базе Qwen3-VL для анализа сцены и рекомендаций фотографу во время съёмки.

155скачиваний за 30 дней4лайкавеса обновлены21 сен 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

ShutterMuse — мультимодальная модель для подсказок фотографу в момент съёмки, основанная на Qwen3-VL-8B-Instruct. Она предназначена для анализа сцены и диалога с фотографом, чтобы давать рекомендации по созданию кадра непосредственно во время съёмки. Модель использует архитектуру Qwen3VLForConditionalGeneration и процессор Qwen3VLProcessor; опубликована в формате safetensors с точностью bfloat16.

Модель принимает изображения и текстовые запросы и формирует текстовые рекомендации. Карточка связывает её с исследованием ShutterMuse о помощи при съёмке, однако не приводит результатов оценки качества или подробностей о поддерживаемых языках сверх английского языка, указанного в метаданных. Лицензия в предоставленных данных не указана.

Сценарии применения

  • получение советов по кадрированию сцены
  • подбор композиции кадра во время съёмки
  • оценка сцены перед нажатием на затвор
  • диалоговые подсказки фотографу по изображению

Ограничения

Карточка не сообщает результаты оценки качества и подробные ограничения применения; в метаданных указан английский язык.

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

ShutterMuse

ShutterMuse is a Qwen3-VL based multimodal large language model for capture-time photography guidance, associated with the paper ShutterMuse: Capture-Time Photography Guidance with MLLMs.

Model Details

  • Architecture: Qwen3VLForConditionalGeneration
  • Model type: qwen3_vl
  • Processor: Qwen3VLProcessor
  • Precision: bfloat16
  • Format: safetensors sharded checkpoint

Usage

from transformers import AutoProcessor, Qwen3VLForConditionalGeneration

model_id = "ShutterMuse/ShutterMuse"
processor = AutoProcessor.from_pretrained(model_id)
model = Qwen3VLForConditionalGeneration.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto",
)

Citation

If you use this model, please cite the associated paper:

@misc{li2026shuttermuse,
  title         = {ShutterMuse: Capture-Time Photography Guidance with MLLMs},
  author        = {Li, Jiayu and Fang, Yixiao and Hu, Tianyu and Cheng, Wei and Huang, Ping and Fan, Zheheng and Yu, Gang and Ma, Xingjun},
  year          = {2026},
  eprint        = {2606.25763},
  archivePrefix = {arXiv},
  primaryClass  = {cs.CV},
  url           = {https://arxiv.org/abs/2606.25763}
}

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
cea6035

0 моделей