/ Модель

Характеристики

Контекст
512 токенов
Архитектура
blip · dense
Опубликована
13 окт 2023

blip-dalle3-img2prompt

Описание изображенийИзображение → текст3 профессии

Дообученная модель BLIP описывает изображение текстовым промптом, который можно использовать для создания похожей картинки.

62скачиваний за 30 дней36лайковвеса обновлены20 ноя 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 «Распознавание текста» — 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

dblasko/blip-dalle3-img2prompt — модель BLIP, дообученная на смеси laion/dalle-3-dataset и автоматически собранных пар «изображение — промпт» для DALL·E 3. Она принимает сгенерированное изображение и формулирует вероятный текстовый запрос, который мог бы его создать; результат можно использовать как отправную точку для генерации похожих изображений. Модель предназначена для экспериментов с обратным восстановлением промптов и описанием изображений.

В карточке указаны архитектура BLIP и форматы PyTorch и Safetensors. Модель ориентирована на английский язык. Автор указывает, что она не предназначена для коммерческого использования, поскольку обучающие данные включают изображения, созданные DALL·E 3; применение заявлено в образовательных целях. Лицензия в предоставленных данных не указана.

Сценарии применения

  • восстановление вероятного промпта по сгенерированному изображению
  • создание текстового описания изображения для повторной генерации
  • подготовка исходного промпта для генерации похожих изображений

Ограничения

Модель формулирует вероятный промпт, а не восстанавливает исходный запрос гарантированно. Автор не рекомендует коммерческое использование из-за состава обучающих данных.

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

DALL·E 3 Image prompt reverse-engineering

Pre-trained image-captioning model BLIP fine-tuned on a mixture of laion/dalle-3-dataset and semi-automatically gathered (image, prompt) data from DALLE·E 3. It takes a generated image as an input and outputs a potential prompt to generate such an image, which can then be used as a base to generate similar images.

⚠️ Disclaimer: This model is not intended for commercial use as the data it was trained on includes images generated by DALLE·E 3. This is for educational purposes only.

Usage:

Loading the model and preprocessor:

from transformers import BlipForConditionalGeneration, AutoProcessor

model = BlipForConditionalGeneration.from_pretrained("dblasko/blip-dalle3-img2prompt").to(device)
processor = AutoProcessor.from_pretrained("dblasko/blip-dalle3-img2prompt")

Inference example on an image from laion/dalle-3-dataset:

from datasets import load_dataset

dataset = load_dataset("laion/dalle-3-dataset", split=f'train[0%:1%]') # for fast download time in the toy example
example = dataset[img_index][0]
image = example["image"]
caption = example["caption"]

inputs = processor(images=image, return_tensors="pt").to(device)
pixel_values = inputs.pixel_values

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

print(f"Generated caption: {generated_caption}\nReal caption: {caption}")

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
0bea342

0 моделей