/ Модель

Характеристики

Лицензия
MIT
Архитектура
moondream1 · dense
Библиотека
transformers
Опубликована
27 мая 2024

moondream-image2prompt-v1

Генерация текстаТекст → текст

Небольшая визуально-языковая модель, которая по изображению приблизительно восстанавливает текстовый промпт для генерации в стиле AI-арта.

13скачиваний за 30 дней7лайковвеса обновлены27 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

gaodrew/moondream-image2prompt-v1 — дообученная версия Moondream, небольшой визуально-языковой модели, созданной vik. Модель обучена предсказывать текстовый запрос, которым, вероятно, было сгенерировано изображение: она может описывать его стиль, тематику и похожего по стилю художника.

Для дообучения использованы 35 000 пар изображений и запросов из набора Diffusion DB для изображений Stable Diffusion. Модель принимает изображение и выдаёт текст; карточка указывает семейство Moondream1 и архитектуру Moondream. В метаданных указаны библиотека Transformers, формат safetensors и лицензия MIT.

Результат — приблизительное восстановление запроса, а не точная запись исходного промпта: модель может ошибаться в деталях, стиле и атрибуции художника.,

Сценарии применения

  • подбор текстового промпта, похожего на использованный для AI-изображения
  • определение вероятного стиля генерации изображения
  • поиск похожего по стилю художника для изображения
  • создание описания изображения для дальнейшей генерации в Stable Diffusion

Ограничения

Восстановление промпта приблизительное: модель может уловить стиль и тему, но не гарантирует совпадение с исходным запросом и точность в деталях или определении художника.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Thank you to the Akash Network for sponsoring this project and providing A100s/H100s for compute!

Predict the prompt used to generate an AI image

This is a fine-tune of Moondream (5/20/24 version), a tiny vision language model created by the amazing vik. It was fine-tuned on 35,000 image-prompt pairs from the Diffusion DB dataset of Stable Diffusion images. It can predict the prompt used to generate an image, to an extent. It can usually get the style right and an artist whose work/subject matter resembles the image. Settings:

  • Batch Size: 16
  • Learning Rate: 5e-5

Thank you to Akash.net for providing A100s that I used in the process of this project and fine-tuning the model.

Colab

Fine-tuning Script

Based on the code provided by Vik, here is what I used to fine-tune.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

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

Класс архитектуры
Moondream
Ревизия весов
b0db227

0 моделей