/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
vision-encoder-decoder · dense
Базовая модель
IC_ver6H_coco_swin_gpt2_50B_1e
Опубликована
22 авг 2023

IC_ver6I_coco_swin_gpt2_50A_1e

Изображение и текст → текст

Дообученная на COCO модель Swin-GPT-2 генерирует короткие текстовые описания изображений.

11скачиваний за 30 дней0лайковвеса обновлены22 авг 2023

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

ICver6Icocoswingpt250A1e — модель VK246 для генерации текстовых описаний изображений. Это дообученная на COCO модель архитектуры vision-encoder-decoder: визуальный энкодер Swin обрабатывает изображение, а декодер GPT-2 формирует подпись. В метаданных указана задача image-text-to-text и формат PyTorch.

Модель подходит для автоматического создания коротких подписей к изображениям и описания содержимого фотографий. В README приведены результаты оценки на тестовой выборке: CIDEr 36,4847, ROUGE-1 41,9392 и BLEU-4 10,4434; эти показатели относятся к указанной оценке на COCO. Сведений о поддерживаемых языках, размере модели и длине контекста в предоставленных источниках нет. Условия лицензии не указаны в предоставленных данных.

Сценарии применения

  • создание подписей к фотографиям
  • автоматическое описание изображений в каталоге
  • генерация текстовых альтернатив для изображений
  • подготовка описаний изображений для поиска

Ограничения

В README приведены метрики только для оценки на COCO; качество на других наборах изображений не описано. Язык генерируемых подписей и условия лицензии в предоставленных источниках не установлены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IC_ver6I_coco_swin_gpt2_50A_1e

This model is a fine-tuned version of VK246/IC_ver6H_coco_swin_gpt2_50B_1e on the coco dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8003
  • Cider: 36.4847
  • Rouge1: 41.9392
  • Rouge2: 16.4156
  • Rougel: 38.0808
  • Rougelsum: 38.0721
  • Bleu-1: 42.8624
  • Bleu-2: 24.8647
  • Bleu-3: 15.7144
  • Bleu-4: 10.4434
  • Gen Len: 11.2806

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 96
  • eval_batch_size: 96
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1

Training results

Training LossEpochStepValidation LossCiderRouge1Rouge2RougelRougelsumBleu-1Bleu-2Bleu-3Bleu-4Gen Len
0.56220.3410000.859816.503541.030315.479537.291737.289641.766123.772414.78049.594111.2806
0.6390.6820000.800336.484741.939216.415638.080838.072142.862424.864715.714410.443411.2806

Framework versions

  • Transformers 4.31.0
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.4
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
8f1ebf1

0 моделей