/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2,5 млрд
Размер весов
5,8 ГБ
Лицензия
Gemma
Архитектура
cerule-gemma · dense
Опубликована
2 апр 2024

Cerule-v0.1

Генерация текстаТекст → текст3 профессии

Мультимодальная модель на основе Gemma-2b и SigLIP, которая описывает изображения и отвечает на вопросы о них.

112скачиваний за 30 дней48лайковвеса обновлены5 апр 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Tensoic/Cerule-v0.1 — мультимодальная модель для диалога с изображениями, созданная на основе Gemma-2b и SigLIP. Она принимает изображение вместе с текстовым запросом и генерирует текстовые ответы: например, описывает сцену, распознаёт персонажей и их действия или объясняет, что изображено смешного. Модель обучали на наборах изображений LAION и SVIT; автор сообщает о предварительном обучении на 650 тысячах изображений и дообучении на 695 тысячах изображений.

В метаданных указаны 2,5 млрд параметров, плотная архитектура CeruleGemmaForCausalLM, контекст 8192 токена и формат safetensors. Поддерживаются задачи image-text-to-text и text-generation, основной сценарий — ответы на вопросы об изображениях. Карточка не приводит подробных оценок качества или ограничений. Использование регулируется условиями лицензии Gemma и лицензиями исходных наборов данных LAION и SVIT; код выпущен под Apache 2.0.

Сценарии применения

  • составление текстового описания изображения
  • ответы на вопросы о содержимом изображения
  • определение персонажей и их действий на изображении
  • объяснение юмора или необычных деталей изображения

Ограничения

Карточка не приводит оценок качества и подробно описанных ограничений. Условия использования зависят от лицензии Gemma и лицензий наборов данных LAION и SVIT.

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

Cerule - A Tiny Mighty Vision Model

Based on Google's - Gemma-2b + SigLIP

 ██████╗███████╗██████╗ ██╗   ██╗██╗     ███████╗
██╔════╝██╔════╝██╔══██╗██║   ██║██║     ██╔════╝
██║     █████╗  ██████╔╝██║   ██║██║     █████╗
██║     ██╔══╝  ██╔══██╗██║   ██║██║     ██╔══╝
╚██████╗███████╗██║  ██║╚██████╔╝███████╗███████╗
 ╚═════╝╚══════╝╚═╝  ╚═╝ ╚═════╝ ╚══════╝╚══════╝               

We train and release "Cerule", a tiny yet powerful Vision Lanuage Model based on the newly released Google's Gemma-2b and Google's SigLIP.

- Pretraining stage : 650K images (A LAION Subset)
- Finetuning stage : 695K images (SVIT-mix-665K - Bunny mix modified by BAAI)

The training setup was 4xA100's 80GB and took ~6 hours to pretrain and ~13 hours to finetune. We modify and adapt the training code from Bunny.


ImageExample
astronautDescribe the imageThe image is a playful and surreal depiction of a man in a space suit, sitting on a chair and holding a green beer bottle. The man is wearing a white space suit, complete with a helmet and gloves. His feet are clad in black and white shoes, and he is placed on a sandy surface. The background features a large, blue planet, with a moon and a star visible in the sky.
marioWho are the characters in the image?The image features three characters, two of them are Mario and Luigi, and the third one is Yoshi.Describe the actions of the charactersThe Mario and Luigi characters are holding their arms out, as if they are waving. Yoshi is standing on its own, with its arms folded.
extreme_ironingWhat's funny about this image?The image is quite humorous as it depicts a man ironing clothes on the back of a yellow taxi cab. This is not a typical sight you'd expect to see in everyday life.

Training:

Training code Released !!! https://github.com/tensoic/Cerule

Inference:

Clone the following repo and following instructions for a CLI based inference. https://github.com/tensoic/Cerule

License

Model subject to Gemma(base model license) terms of use along with the underlying datasets(LAOIN and SVIT) subject to their respective licenses. All codes are Apache 2.0

Acknowledgments

We sincerely thank the Amazing teams at Google, LLaVA, and BAAI without which this project would not have been possible!

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
CeruleGemmaForCausalLM
Ревизия весов
4d5b779

0 моделей