/ Модель

Характеристики

Контекст
512 токенов
Архитектура
blip · dense
Опубликована
1 июл 2025

blip-image-captioning-finetuned

Изображение и текст → текст5 профессий

Дообученная модель BLIP, которая описывает изображения текстом и помогает извлекать из подписей хештеги.

32скачиваний за 30 дней5лайковвеса обновлены2 июл 2025

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

Модель candra/blip-image-captioning-finetuned — дообученная версия BLIP (Bootstrapping Language-Image Pretraining) для автоматического описания изображений. Она принимает цветное изображение и генерирует текстовую подпись о его содержимом; из подписи также можно получить очищенные ключевые слова в формате хештегов. Базовая модель — Salesforce/blip-image-captioning-base.

Модель подходит для автоматического создания подписей к изображениям и подготовки кратких тематических хештегов. В метаданных указаны архитектура BLIP с классом BlipForConditionalGeneration, поддержка изображений и текста, формат весов safetensors и английский язык. Данных о лицензии и размере модели в предоставленной карточке нет.

Сценарии применения

  • создание текстовых подписей к изображениям
  • автоматическое описание содержимого фотографий
  • извлечение ключевых слов из подписи к изображению
  • подготовка хештегов для публикаций с изображениями

Ограничения

Качество описаний и хештегов может зависеть от изображения и обучающих данных; в предоставленных сведениях нет результатов оценки качества. Лицензия не указана в доступных данных.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🖼️ BLIP Image Captioning — Finetuned (candra/blip-image-captioning-finetuned)

This model is a BLIP (Bootstrapping Language-Image Pretraining) model fine-tuned for image captioning. It takes an image as input and generates a descriptive caption. Additionally, it can convert that caption into cleaned, hashtag-friendly keywords.

🔧 Model Details


🧪 Example Usage

from transformers import AutoProcessor, BlipForConditionalGeneration
import torch
from PIL import Image

# Load model and processor
processor = AutoProcessor.from_pretrained("candra/blip-image-captioning-finetuned")
model = BlipForConditionalGeneration.from_pretrained("candra/blip-image-captioning-finetuned")

# Load image
image_path = "IMAGE.jpg"
image = Image.open(image_path).convert("RGB")

# Set device
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = model.to(device)

# Preprocess and generate caption
inputs = processor(images=image, return_tensors="pt")
pixel_values = inputs.pixel_values.to(device)

generated_ids = model.generate(pixel_values=pixel_values, max_length=50)
generated_caption = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
print("Caption:", generated_caption)

# Convert caption to hashtags
words = generated_caption.lower().split(", ")
unique_words = sorted(set(words))
hashtags = ["#" + word.replace(" ", "") for word in unique_words]
print("Hashtags:", " ".join(hashtags))

📥 Input

  • Image (RGB format, e.g., .jpg, .png)

📤 Output

  • Caption: A string describing the contents of the image.
  • Hashtags: A list of unique hashtags derived from the caption.

📌 Example

Input Image

Generated Caption

animal, lion, mammal, wildlife, zoo, barrel, grass, backgound

Hashtags

#animal #lion #mammal #wildlife #zoo #barrel #grass #backgound

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BlipForConditionalGeneration
Ревизия весов
b74cf52

0 моделей