/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Архитектура
vision-encoder-decoder · dense
Базовая модель
IC_ver6N_coco_swin_gpt2_50B_1e
Опубликована
24 авг 2023

Ссылки

Hugging Face

IC_ver6O_coco_swin_gpt2_50A_1e

VK246
Изображение и текст → текст

Модель VK246 на базе Swin и GPT-2 генерирует текстовые подписи к изображениям и дообучена на COCO.

6скачиваний за 30 дней0лайковвеса обновлены24 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

VK246/IC_ver6O_coco_swin_gpt2_50A_1e — модель генерации текстовых описаний изображений, разработанная VK246 и дообученная на датасете COCO поверх VK246/IC_ver6N_coco_swin_gpt2_50B_1e. Она использует архитектуру vision-encoder-decoder: визуальный энкодер Swin и языковой декодер GPT-2. Модель принимает изображение и генерирует текстовую подпись; в README приведены метрики оценки на тестовом наборе COCO, включая CIDEr 72,49 и BLEU-4 9,61.

Модель подходит для автоматического создания кратких подписей к изображениям. Данных о поддерживаемых естественных языках нет, поэтому языки и основной язык не указаны. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Сценарии применения

  • автоматическое создание подписей к изображениям
  • генерация описаний для фотографий из COCO
  • добавление текстовых описаний к изображениям в каталоге
  • подготовка подписей для наборов изображений

Ограничения

В README нет подробных сведений об ограничениях или предполагаемых сценариях применения. Поддерживаемые языки и лицензия в предоставленных данных не определены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IC_ver6O_coco_swin_gpt2_50A_1e

This model is a fine-tuned version of VK246/IC_ver6N_coco_swin_gpt2_50B_1e on the coco dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8849
  • Cider: 72.4854
  • Rouge1: 40.7439
  • Rouge2: 15.2616
  • Rougel: 36.9501
  • Rougelsum: 36.949
  • Bleu-1: 41.8372
  • Bleu-2: 23.7109
  • Bleu-3: 14.6914
  • Bleu-4: 9.6127
  • 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
0.33640.3410001.072468.11139.637614.253935.91535.908840.873822.724613.92848.976911.2806
0.47220.6820000.884972.485440.743915.261636.950136.94941.837223.710914.69149.612711.2806

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
73fe9a2

0 моделей

    Создать бенчмарк