/ Модель

Характеристики

Контекст
256 токенов
Параметры
2,4 млн
Лицензия
MIT
Архитектура
transformer · dense
Опубликована
26 авг 2026

phd-visual-question-answering-2024

Вопросы по изображениюИзображение, текст → текст3 профессии

Производная модели vihaanctm/quick-visual-question-answering2. Исследовательский репозиторий по визуальным вопросам и ответам с планом оценки на VQAv2, GQA и OK-VQA.

9скачиваний за 30 дней0лайковвеса обновлены26 авг 2026

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

Карточка модели caiooliveiraski/phd-visual-question-answering-2024 на Hugging Face совпадает с карточкой vihaanctm/quick-visual-question-answering2, поэтому описание составлено по ней.

vihaanctm/quick-visual-question-answering2 — репозиторий исследовательских заметок по визуальным вопросам и ответам (Visual Question Answering, VQA). В README описаны рамки исследования, возможные смешивающие факторы, план сравнения с сопоставимыми базовыми методами и ориентиры для оценки на VQAv2, GQA и OK-VQA. Метаданные относят репозиторий к задаче visual-question-answering, указывают архитектуру transformer и размер 3,1 млн параметров; файлы представлены в формате safetensors.

Материал предназначен для планирования и проверки эксперимента по VQA. README подчёркивает, что планы и гипотезы не являются результатами: улучшения на бенчмарках, завершённые абляции, опубликованный код и обученный чекпойнт не заявлены. Лицензия репозитория — MIT. Указанные в метаданных характеристики описывают модельную запись, но сам README характеризует репозиторий как исследовательские заметки, а не как готовую обученную модель.

Сценарии применения

  • изучение подходов к визуальным вопросам и ответам
  • планирование сравнения VQA-моделей с базовыми методами
  • подготовка оценки на VQAv2
  • подготовка оценки на GQA и OK-VQA
  • проверка воспроизводимости и возможных ошибок VQA-экспериментов

Ограничения

README описывает исследовательские планы и не заявляет обученный чекпойнт, завершённые эксперименты или улучшение результатов бенчмарков. Репозиторий не представлен как готовая модель для прикладного использования.

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

Notes on Visual Question Answering

Repository summary

A structured set of research notes on Visual Question Answering, with concrete evaluation references and open questions. Plans and hypotheses are kept separate from completed results.

What is covered

  • the scope of the research question and likely confounders
  • a proposed comparison with matched baselines
  • concrete evaluation context such as VQAv2, GQA, and OK-VQA
  • reproducibility checks, failure modes, and open questions
  • topic-relevant references

How to read this repository

Start with summary.md for the full note. Sections labeled as plans or hypotheses should not be interpreted as experimental results. If results are added later, they should include dataset versions, commands, seeds, hardware, and raw logs.

Scope and limitations

The note is intentionally exploratory. It does not claim benchmark improvements, completed ablations, released code, or a trained checkpoint. References and proposed datasets provide a starting point for verification rather than evidence that the study has already been run.

Files

  • summary.md — primary artifact
  • README.md — this documentation

License

Released under mit. Review the source-data terms separately when this repository is used with external datasets.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура transformer неизвестна transformers в образе рантайма.

Класс архитектуры
CustomResearchModel
Ревизия весов
963cfe0

0 моделей