/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
florence2 · dense
Базовая модель
Florence-2-large
Библиотека
transformers
Опубликована
25 авг 2024

Florence-2-Flux-Large

Генерация текстаТекст → текст3 профессии

Дообученная версия Florence-2-large для генерации текстовых ответов по изображениям.

1 722скачиваний за 30 дней62лайкавеса обновлены31 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Florence-2-Flux-Large — дообученная на датасете kadirnar/fluxdev_controlnet_16k модель gokaygokay на основе Microsoft Florence-2-large. Она принимает изображение и текстовый запрос и предназначена для генерации текстового описания или ответа о содержимом изображения. Архитектура — Florence-2, класс Florence2ForConditionalGeneration; модель распространяется в формате safetensors и рассчитана на использование через Transformers.

Карточка не уточняет, какие именно визуальные задачи или сценарии были улучшены этим дообучением. Базовая Florence-2-large умеет описывать изображения, обнаруживать и локализовать объекты, сегментировать их и выполнять OCR, однако нельзя уверенно приписывать все эти возможности данной версии. Лицензия — Apache-2.0.

Сценарии применения

  • генерация текстового описания изображения
  • ответы на текстовые запросы о содержимом изображения
  • эксперименты с дообучением Florence-2 на датасете fluxdev_controlnet_16k

Ограничения

README не описывает целевые задачи и результаты дообучения, поэтому нельзя подтвердить, какие именно возможности базовой Florence-2-large сохранены или улучшены. В метаданных указан английский язык.

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
pip install -q datasets flash_attn timm einops

from transformers import AutoModelForCausalLM, AutoProcessor, AutoConfig
import torch

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

model = AutoModelForCausalLM.from_pretrained("gokaygokay/Florence-2-Flux-Large", trust_remote_code=True).to(device).eval()
processor = AutoProcessor.from_pretrained("gokaygokay/Florence-2-Flux-Large", trust_remote_code=True)

# Function to run the model on an example
def run_example(task_prompt, text_input, image):
    prompt = task_prompt + text_input

    # Ensure the image is in RGB mode
    if image.mode != "RGB":
        image = image.convert("RGB")

    inputs = processor(text=prompt, images=image, return_tensors="pt").to(device)
    generated_ids = model.generate(
        input_ids=inputs["input_ids"],
        pixel_values=inputs["pixel_values"],
        max_new_tokens=1024,
        num_beams=3,
        repetition_penalty=1.10,
    )
    generated_text = processor.batch_decode(generated_ids, skip_special_tokens=False)[0]
    parsed_answer = processor.post_process_generation(generated_text, task=task_prompt, image_size=(image.width, image.height))
    return parsed_answer

from PIL import Image
import requests
import copy

url = "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/transformers/tasks/car.jpg?download=true"
image = Image.open(requests.get(url, stream=True).raw)
answer = run_example("<DESCRIPTION>", "Describe this image in great detail.", image)

final_answer = answer["<DESCRIPTION>"]
print(final_answer)
   

Citation and attribution

This model release is maintained by Gökay Aydoğan. If you reference this repository in academic work, please cite it as follows and also cite the upstream models, datasets, or projects it builds upon.

@software{aydogan2024florence_2_flux_large,
  author = {Aydoğan, Gökay},
  title = {{Florence-2-Flux-Large}},
  year = {2024},
  publisher = {Hugging Face},
  url = {https://huggingface.co/gokaygokay/Florence-2-Flux-Large},
  note = {Model repository; cite the base model and upstream datasets as required.}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Florence2ForConditionalGeneration
Ревизия весов
a828167

0 моделей