/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
vision-encoder-decoder · dense
Базовая модель
IC_ver6K_coco_swin_gpt2_50A_1e
Опубликована
23 авг 2023

IC_ver6L_coco_swin_gpt2_50B_1e

Изображение и текст → текст3 профессии

Дообученная на COCO модель Swin-GPT-2 для генерации текстовых описаний изображений.

13скачиваний за 30 дней0лайковвеса обновлены23 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

ICver6Lcocoswingpt250B1e — дообученная на наборе COCO модель VK246 для генерации текстового описания по изображению. Она построена на архитектуре vision-encoder-decoder: визуальный энкодер Swin обрабатывает изображение, а декодер GPT-2 формирует текст. В метаданных Hugging Face указана задача image-text-to-text и формат PyTorch.

Модель предназначена для автоматического описания изображений и оценки качества таких описаний. В README приведены результаты на тестовом наборе: CIDEr 72,6054, ROUGE-1 41,2906 и BLEU-4 10,0894. Данных о поддерживаемых языках, размере модели и лицензии в предоставленных источниках нет.

Сценарии применения

  • создание коротких описаний фотографий
  • автоматическое добавление подписей к изображениям
  • генерация текстовых описаний для набора изображений
  • оценка качества автоматически созданных подписей

Ограничения

README приводит метрики оценки на COCO, но не описывает ограничения по типам изображений и сценариям применения. Лицензия и поддерживаемые языки в предоставленных источниках не указаны.

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

IC_ver6L_coco_swin_gpt2_50B_1e

This model is a fine-tuned version of VK246/IC_ver6K_coco_swin_gpt2_50A_1e on the coco dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8371
  • Cider: 72.6054
  • Rouge1: 41.2906
  • Rouge2: 15.8851
  • Rougel: 37.3963
  • Rougelsum: 37.4014
  • Bleu-1: 42.3937
  • Bleu-2: 24.3104
  • Bleu-3: 15.291
  • Bleu-4: 10.0894
  • Gen Len: 11.3063

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
0.45350.3410000.928270.255840.645515.138336.699836.699941.83823.615114.68239.608311.3063
0.57160.6820000.837172.605441.290615.885137.396337.401442.393724.310415.29110.089411.3063

Framework versions

  • Transformers 4.32.0
  • 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
d47c663

0 моделей