/ Модель

Характеристики

Контекст
1 024 токена
Параметры
316 млн
Архитектура
ernie-pixel · dense
Опубликована
21 мая 2024

PixelGPT

Генерация текстаТекст → текст3 профессии

PixelGPT — авторегрессионная модель на 315,9 млн параметров, обученная предсказывать фрагменты пиксельных документов для работы с текстом, представленным как изображение.

26скачиваний за 30 дней5лайковвеса обновлены4 окт 2024

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

PixelGPT — официальная контрольная точка авторегрессионной модели, представленная в статье «Autoregressive Pre-Training on Pixels and Texts» (EMNLP 2024). Модель разработана для предобучения на пиксельных данных: она воспринимает документы как изображения и предсказывает следующий фрагмент изображения, не опираясь на токенизацию текста. Архитектура — плотная ErniePixelForCausalLM, размер — 315,9 млн параметров, контекст — 1024 токена.

Модель предназначена для генерации и понимания текста, представленного в виде изображения, включая задачи с визуально сложными документами. Веса доступны в формате safetensors. README отсылает к GitHub проекта за инструкциями по использованию. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация продолжения документа, представленного как изображение
  • предсказание следующих визуальных фрагментов текстового документа
  • эксперименты с безтокенизаторным языковым моделированием
  • исследование обработки текста, отрисованного в виде изображения

Ограничения

Модель обрабатывает документы как пиксельные данные, поэтому применимость к обычному текстовому вводу из предоставленных сведений не следует. Контекст ограничен 1024 токенами; лицензия в предоставленных данных не указана.

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

This repository contains the official checkpoint for PixelGPT, as presented in the paper Autoregressive Pre-Training on Pixels and Texts (EMNLP 2024). For detailed instructions on how to use the model, please visit our GitHub page.

Model Description

PixelGPT is an autoregressive language model pre-trained exclusively on pixel data using a next patch prediction objective. By processing documents as visual data (pixels), the model learns to predict the next image patch in a sequence, enabling it to handle visually complex tasks without relying on tokenized text. This tokenization-free approach allows PixelGPT to process and understand text rendered as images.

Citation

@misc{chai2024autoregressivepretrainingpixelstexts,
  title = {Autoregressive Pre-Training on Pixels and Texts},
  author = {Chai, Yekun and Liu, Qingyi and Xiao, Jingwu and Wang, Shuohuan and Sun, Yu and Wu, Hua},
  year = {2024},
  eprint = {2404.10710},
  archiveprefix = {arXiv},
  primaryclass = {cs.CL},
  url = {https://arxiv.org/abs/2404.10710},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ernie-pixel неизвестна transformers в образе рантайма.

Класс архитектуры
ErniePixelForCausalLM
Ревизия весов
52d1db8

0 моделей