/ Модель

Характеристики

Контекст
256 токенов
Параметры
2,2 млн
Лицензия
MIT
Архитектура
transformer · dense
Опубликована
5 окт 2026

my-visual-question-answering

Вопросы по изображениюИзображение, текст → текст

Производная модели zeyuozhao/visual-question-answering-study. Исследовательский репозиторий с планом оценки визуальных вопросов и ответов, а не готовый обученный чекпойнт.

16скачиваний за 30 дней0лайковвеса обновлены5 окт 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 cgnzimmermann/my-visual-question-answering на Hugging Face совпадает с карточкой zeyuozhao/visual-question-answering-study, поэтому описание составлено по ней.

Репозиторий zeyuozhao/visual-question-answering-study — исследовательские заметки и план эксперимента по визуальным вопросам и ответам (Visual Question Answering). В нём обозначены исследовательский вопрос и возможные смешивающие факторы, предложено сравнение с сопоставимыми базовыми системами и описаны контексты оценки на VQAv2, GQA и OK-VQA. Метаданные указывают на небольшую плотную Transformer-архитектуру объёмом 655,4 тыс. параметров и файлы в формате safetensors.

Это не готовая обученная модель: автор не заявляет о завершённых экспериментах, улучшении результатов, опубликованном коде или доступном чекпойнте. Упомянутые наборы данных и ссылки служат отправной точкой для проверки; гипотезы и планы не следует считать результатами. Лицензия репозитория — MIT.

Сценарии применения

  • планирование эксперимента по визуальным вопросам и ответам
  • сопоставление базовых систем на VQAv2
  • оценка ответов на вопросы о сценах на GQA
  • исследование вопросов о знаниях по изображениям на OK-VQA

Ограничения

Это заметки и план эксперимента, а не обученная модель; завершённые результаты, улучшения бенчмарков и выпущенный код не заявлены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Notes on Visual Question Answering

Repository summary

Reading notes and an experiment sketch for Visual Question Answering. The repository emphasizes what still needs to be tested instead of manufacturing scores or release claims.

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 analysis.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

  • analysis.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
ea5d72c

0 моделей