/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Архитектура
vision-encoder-decoder · dense
Базовая модель
IC_ver6M_coco_swin_gpt2_50A_1e
Опубликована
23 авг 2023

Ссылки

Hugging Face

IC_ver6N_coco_swin_gpt2_50B_1e

VK246
Изображение и текст → текст

Дообученная на COCO модель VK246 генерирует текстовые подписи к изображениям с помощью архитектуры Swin и GPT-2.

6скачиваний 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.

Открыть конструктор бенчмарка

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

ICver6Ncocoswingpt250B1e — модель описания изображений, разработанная VK246 и дообученная на датасете COCO на основе VK246/IC_ver6M_coco_swin_gpt2_50A_1e. Она использует архитектуру vision-encoder-decoder: Swin обрабатывает изображение, а GPT-2 формирует текстовое описание. В метаданных указаны библиотека Transformers и формат PyTorch.

Модель предназначена для автоматической генерации коротких подписей к изображениям. В README приведены результаты оценки на тестовом наборе COCO, включая CIDEr 72,5295 и BLEU-4 9,8206. Данные не устанавливают поддерживаемые естественные языки, размер модели или длину контекста, поэтому эти характеристики не приводятся. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • автоматическое создание подписей к изображениям
  • генерация кратких описаний фотографий
  • индексация изображений по текстовым описаниям

Ограничения

README содержит только результаты оценки на COCO и не описывает ограничения по качеству или условиям применения. Поддерживаемые языки и лицензия не приведены в предоставленных сведениях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IC_ver6N_coco_swin_gpt2_50B_1e

This model is a fine-tuned version of VK246/IC_ver6M_coco_swin_gpt2_50A_1e on the coco dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8687
  • Cider: 72.5295
  • Rouge1: 41.1356
  • Rouge2: 15.6403
  • Rougel: 37.2276
  • Rougelsum: 37.2406
  • Bleu-1: 42.1796
  • Bleu-2: 24.0186
  • Bleu-3: 14.9974
  • Bleu-4: 9.8206
  • 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
0.38120.3410001.000968.256839.964914.597536.143536.144141.323423.086514.21039.207511.3063
0.51470.6820000.868772.529541.135615.640337.227637.240642.179624.018614.99749.820611.3063

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
ab2b6b9

0 моделей

    Создать бенчмарк