/ Модель

Характеристики

Контекст
2 048 токенов
Лицензия
Apache 2.0
Архитектура
moondream1 · dense
Опубликована
10 мая 2024

moondream2-docci-instruct

Генерация текстаТекст → текст6 профессий

Дообученная Moondream2 для генерации подробных текстовых описаний изображений по запросу.

25скачиваний за 30 дней9лайковвеса обновлены10 мая 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

fal/moondream2-docci-instruct — дообученная модель семейства Moondream для создания подробных описаний изображений. Она разработана на основе Moondream2 и обучена на наборах gokaygokay/random_instruct_docci и, согласно метаданным, google/docci. Модель принимает изображение и текстовый запрос, а в ответ генерирует текст; основное назначение — подробное описание визуальных сцен и объектов.

Модель относится к архитектуре Moondream и распространяется в формате safetensors. Карточка указывает на использование Transformers и лицензию Apache-2.0. В README нет количественной оценки качества или описания предельного разрешения и контекста, поэтому эти характеристики здесь не приводятся.

Сценарии применения

  • создание подробных подписей к изображениям
  • описание объектов и сцен на фотографии
  • подготовка текстовых описаний для каталога изображений

Ограничения

Карточка не приводит оценок качества или детального описания ограничений; возможности модели подтверждены главным образом для подробного описания изображений.

Для каких профессий подходит6

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

Fine tuned version of moondream2 model using gokaygokay/random_instruct_docci dataset. Which gives extremely detailed captions of the images.

pip install transformers timm einops bitsandbytes accelerate flash-attn
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
from PIL import Image

DEVICE = "cuda"
DTYPE = (
    torch.float32 if DEVICE == "cpu" else torch.float16
)  # CPU doesn't support float16
revision = "3ec40c7b6b5d87bc0c51edee45e21f5f29b449d8"
tokenizer = AutoTokenizer.from_pretrained(
    "fal-ai/moondream2-docci-instruct",
    trust_remote_code=True,
    revision=revision
)
moondream = AutoModelForCausalLM.from_pretrained(
    "fal-ai/moondream2-docci-instruct",
    trust_remote_code=True,
    torch_dtype=DTYPE,
    device_map={"": DEVICE},
    attn_implementation="flash_attention_2",
    revision=revision
)
moondream.eval()

image_path = "<your_image_path>"
image = Image.open(image_path).convert("RGB")
md_answer = moondream.answer_question(
    moondream.encode_image(image),
    "what is this picture about",
    tokenizer=tokenizer,
)

print(md_answer)

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
Moondream
Ревизия весов
cb4d5ec

0 моделей