/ Модель

Характеристики

Контекст
512 токенов
Параметры
2,9 млн
Лицензия
MIT
Архитектура
transformer · dense
Опубликована
8 окт 2026

survey-visual-question-answering11

Вопросы по изображениюИзображение, текст → текст

Производная модели Justrinsato/visual-question-answering. Исследовательская заметка о планировании и воспроизводимой оценке систем визуальных вопросов и ответов, без заявленного обученного чекпойнта.

19скачиваний за 30 дней0лайковвеса обновлены8 окт 2026

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

Карточка модели itswilsonsong/survey-visual-question-answering11 на Hugging Face совпадает с карточкой Justrinsato/visual-question-answering, поэтому описание составлено по ней.

Репозиторий Justrinsato/visual-question-answering содержит исследовательскую заметку о постановке задачи визуальных вопросов и ответов, а не обученную модель. В заметке описаны возможные смешивающие факторы, план сравнения с сопоставимыми базовыми методами, контекст оценки на VQAv2, GQA и OK-VQA, а также требования к воспроизводимости и открытые вопросы.

В метаданных репозиторий обозначен как Transformer с возможностями vision и задачей visual-question-answering; указан размер 5,9 млн параметров, контекст 128 токенов и формат safetensors. Однако README прямо сообщает, что обученный чекпойнт и результаты бенчмарков не заявлены, поэтому эти метаданные не подтверждают наличие пригодной для запуска модели. Указана лицензия MIT.

Сценарии применения

  • планирование сравнения методов visual question answering
  • подготовка оценки на VQAv2
  • подготовка оценки на GQA
  • подготовка оценки на OK-VQA
  • проверка воспроизводимости эксперимента по визуальным вопросам

Ограничения

README описывает только план исследования: результаты бенчмарков, обученный чекпойнт и выпущенный код не заявлены. Метаданные указывают параметры модели, но карточка не подтверждает наличие пригодных для запуска обученных весов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Notes on Visual Question Answering

Repository summary

This is an exploratory note for Visual Question Answering. It records the intended comparison, likely confounders, and reproducibility requirements before any benchmark result is reported.

What is covered

  • the scope of the research question and likely confounders
  • a proposed comparison with matched baselines
  • concrete evaluation context such as VQAv2, GQA, and OK-VQA
  • reproducibility checks, failure modes, and open questions
  • topic-relevant references

How to read this repository

Start with analysis.md for the full note. Sections labeled as plans or hypotheses should not be interpreted as experimental results. If results are added later, they should include dataset versions, commands, seeds, hardware, and raw logs.

Scope and limitations

The note is intentionally exploratory. It does not claim benchmark improvements, completed ablations, released code, or a trained checkpoint. References and proposed datasets provide a starting point for verification rather than evidence that the study has already been run.

Files

  • analysis.md — primary artifact
  • README.md — this documentation

License

Released under mit. Review the source-data terms separately when this repository is used with external datasets.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура transformer неизвестна transformers в образе рантайма.

Класс архитектуры
CustomResearchModel
Ревизия весов
f866d64

0 моделей