/ Модель

Характеристики

Лицензия
Gemma
Архитектура
samer · dense
Базовая модель
colpali-v1.3-hf
Библиотека
transformers
Опубликована
8 июл 2026

samer-k64-colpali

Языковая модельИзображение, текст → embedding8 профессий

Адаптер SaMer для ColPali, который объединяет визуальные токены и предназначен для поиска релевантных страниц PDF по их содержимому.

31скачиваний за 30 дней0лайковвеса обновлены9 июл 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

SaMer-k64-colpali — адаптерная версия SaMer от команды dmis-lab для модели vidore/colpali-v1.3-hf, предназначенная для визуального поиска по документам. Репозиторий содержит обученный проекционный слой и обёртку для применения слияния токенов; веса базовой модели загружаются отдельно во время работы.

Модель объединяет визуальные признаки в 64 области с помощью пространственно-ориентированного мягкого слияния центроидов без использования рамок объектов. Она рассчитана на поиск релевантных страниц PDF по визуальному содержимому и использует функцию потерь для обучения на задаче поиска. Для применения нужны базовая модель vidore/colpali-v1.3-hf и поддержка обёртки с trust_remote_code. Лицензия в метаданных указана как Gemma; README предписывает соблюдать лицензию и условия использования базовой модели.

Сценарии применения

  • поиск страниц PDF по визуальному содержимому
  • поиск релевантных страниц в коллекции документов
  • извлечение страниц по запросам о содержании документа

Ограничения

Адаптер не содержит веса базовой модели и требует vidore/colpali-v1.3-hf во время запуска. Для работы также необходима поддержка пользовательского кода через trust_remote_code.

Для каких профессий подходит8

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

SaMer-k64-colpali

This repository contains the adapter-only SaMer checkpoint for vidore/colpali-v1.3-hf. It does not redistribute the base model weights. The repository stores only the trained projection layer and custom trust_remote_code wrapper needed to apply SaMer feature-spatial object-aware token merging at inference time.

💻 Code: GitHub
🌐 Project Page: Page
📄 Paper: Do All Visual Tokens Matter Equally? Object-Evidence Preserving Token Merging for Vision-Language Retrieval

Usage

import torch
from transformers import AutoModel, AutoProcessor

model = AutoModel.from_pretrained(
    "dmis-lab/samer-k64-colpali",
    trust_remote_code=True,
).to("cuda").eval()

processor = AutoProcessor.from_pretrained(
    model.config.base_model_name_or_path,
    trust_remote_code=True,
)

# Build processor inputs with the same convention as the base model.
# image_inputs = processor(images=[image], return_tensors="pt").to("cuda")
# query_inputs = processor(text=["a query"], return_tensors="pt", padding=True).to("cuda")

# image_tokens = model.encode_image(image_inputs)          # [B, 64, D]
# query_tokens, query_mask = model.encode_query(query_inputs, return_mask=True)
# scores = model.score(query_tokens, image_tokens, query_mask=query_mask)

SaMer Configuration

  • num_regions: 64
  • cluster_iters: 3
  • spatial_weight: 0.1
  • assignment_temperature: 0.07
  • training objective: retrieval loss only
  • inference: bbox-free feature-spatial soft centroid merging

Base Model

The base model is loaded from vidore/colpali-v1.3-hf at runtime. Please follow the base model license and usage terms.

Citation

@misc{park2026visualtokensmatterequally,
      title={Do All Visual Tokens Matter Equally? Object-Evidence Preserving Token Merging for Vision-Language Retrieval},
      author={Suhyeong Park and Junha Jung and Jungwoo Park and Jaewoo Kang},
      year={2026},
      eprint={2607.04605},
      archivePrefix={arXiv},
      primaryClass={cs.IR},
      url={https://arxiv.org/abs/2607.04605},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Поиск по документам-картинкам пока не поддерживается.

Класс архитектуры
SaMerModel
Ревизия весов
ddab139

0 моделей