/ Модель

Характеристики

Контекст
2 048 токенов
Лицензия
Apache 2.0
Архитектура
moondream1 · dense
Опубликована
18 янв 2025

moondream2

Генерация текстаТекст → текст3 профессии

Компактная визуально-языковая модель Moondream для ответов на вопросы об изображениях, включая определение направления взгляда.

290скачиваний за 30 дней0лайковвеса обновлены18 янв 2025

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

ewre324/moondream2 — репозиторий модели для определения направления взгляда, содержащий карточку Moondream. Moondream — компактная модель визуально-языкового типа, разработанная для эффективной работы на периферийных устройствах; карточка указывает, что в репозитории размещён выпуск от 9 января 2025 года и более ранние версии.

Модель предназначена для сценариев, где по изображению нужно сформулировать текстовый ответ, в том числе для обнаружения направления взгляда. Метаданные указывают задачи image-text-to-text и text-generation, архитектуру Moondream1 и файлы в форматах safetensors и GGUF F16. Лицензия — Apache-2.0.

Карточка рекомендует фиксировать ревизию при использовании в производственных приложениях, поскольку модель часто обновляется. Размер, длина контекста и поддерживаемые естественные языки в предоставленных данных не указаны.

Сценарии применения

  • определение направления взгляда по изображению
  • ответы на вопросы об изображении
  • описание визуальных сцен текстом

Ограничения

Карточка рекомендует закреплять конкретную ревизию, так как модель часто обновляется. Сведения о размере модели и длине контекста в предоставленных данных отсутствуют.

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

Model for Gaze detection

/ Colab Demo / GitHub

Original Model card follows below:

Moondream is a small vision language model designed to run efficiently on edge devices.

Website / Demo / GitHub

This repository contains the latest (2025-01-09) release of Moondream, as well as historical releases. The model is updated frequently, so we recommend specifying a revision as shown below if you're using it in a production application.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
from PIL import Image

model = AutoModelForCausalLM.from_pretrained(
    "vikhyatk/moondream2",
    revision="2025-01-09",
    trust_remote_code=True,
    # Uncomment to run on GPU.
    # device_map={"": "cuda"}
)

# Captioning
print("Short caption:")
print(model.caption(image, length="short")["caption"])

print("\nNormal caption:")
for t in model.caption(image, length="normal", stream=True)["caption"]:
    # Streaming generation example, supported for caption() and detect()
    print(t, end="", flush=True)
print(model.caption(image, length="normal"))

# Visual Querying
print("\nVisual query: 'How many people are in the image?'")
print(model.query(image, "How many people are in the image?")["answer"])

# Object Detection
print("\nObject detection: 'face'")
objects = model.detect(image, "face")["objects"]
print(f"Found {len(objects)} face(s)")

# Pointing
print("\nPointing: 'person'")
points = model.point(image, "person")["points"]
print(f"Found {len(points)} person(s)")

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
HfMoondream
Ревизия весов
d7d1077

0 моделей