/ Модель
Каталог

Характеристики

Архитектура
vision-encoder-decoder · dense
Базовая модель
exp2-frozen-benyehuda-cont
Библиотека
transformers
Опубликована
13 июл 2026

Ссылки

Hugging Face

exp26-composed1m-stage1-frozen

cyttic
Изображение и текст → текст

Дообученная модель vision-encoder-decoder, которая преобразует изображения в текст.

7скачиваний за 30 дней0лайковвеса обновлены13 июл 2026

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

cyttic/exp26-composed1m-stage1-frozen — дообученная модель cyttic/exp2-frozen-benyehuda-cont с архитектурой VisionEncoderDecoderModel. Она принимает изображение и формирует текст; в карточке приведены результаты оценки: loss 1,5778, CER 0,2897 и WER 0,5149. Датасет обучения и целевые сценарии применения не описаны. Модель представлена в формате safetensors и предназначена для использования с Transformers.

Сценарии применения

  • распознавание текста на изображениях
  • преобразование изображения в текстовое описание
  • извлечение текста из визуальных данных

Ограничения

Датасет обучения, целевое назначение и поддерживаемые языки не описаны. На указанном наборе оценки CER составляет 0,2897, а WER — 0,5149.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

exp26-composed1m-stage1-frozen

This model is a fine-tuned version of cyttic/exp2-frozen-benyehuda-cont on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.5778
  • Cer: 0.2897
  • Wer: 0.5149

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: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 0.05
  • num_epochs: 1

Training results

Training LossEpochStepValidation LossCerWer
4.16800.040125004.01290.56370.8836
3.85160.080250003.54770.53620.8356
3.42720.120275003.39470.50730.7942
3.21420.1603100002.95340.48540.7841
2.92210.2004125002.87030.47080.7600
2.76070.2405150002.65330.44700.7375
2.64230.2806175002.48230.43450.7206
2.56460.3206200002.37930.40620.6851
2.55110.3607225002.28730.40830.6807
2.42390.4008250002.20640.38720.6626
2.33920.4409275002.14310.38280.6413
2.21480.4810300002.05460.37370.6341
2.08830.5210325001.99730.35740.6044
2.17910.5611350001.92700.35570.6149
2.02690.6012375001.88920.33710.5820
1.97640.6413400001.82710.32870.5711
2.00940.6814425001.78450.32620.5665
1.93560.7214450001.76270.32250.5577
1.90260.7615475001.71260.31120.5450
1.87740.8016500001.66980.31070.5433
1.80340.8417525001.64960.30050.5323
1.85900.8818550001.62760.29650.5203
1.78280.9218575001.60200.29050.5120
1.78270.9619600001.58800.29120.5141
1.80881.0623751.57780.28970.5149

Framework versions

  • Transformers 5.12.1
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
2d810be

0 моделей

    Создать бенчмарк