Характеристики

Контекст: 262 144 токена
Лицензия: Apache 2.0
Архитектура: qwen3_5 · dense
Базовая модель: Qwen3.5-2B-Base
Библиотека: transformers
Опубликована: 30 дек 2025

Ссылки

VPTracker

Изображение и текст → текст3 профессии

VPTracker — дообученная мультимодальная Qwen3.5-2B для визуально-языкового отслеживания объектов по пространственным подсказкам.

123скачиваний за 30 дней1лайквеса обновлены14 сен 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

VPTracker — полно-параметрическая дообученная модель на базе мультимодальной Qwen3.5-2B-Base, созданная для глобального визуально-языкового трекинга с пространственными визуальными подсказками. Модель принимает визуальные данные и текстовые подсказки, чтобы отслеживать объекты в изображениях или видеопоследовательностях.

В репозитории опубликован чекпойнт эксперимента 069. Для загрузки предусмотрены Transformers и архитектура Qwen3_5ForConditionalGeneration; README указывает ms-swift как среду обучения и инференса. Лицензия — Apache-2.0. Подробности о поддерживаемых языках, размере контекста и результатах оценки в предоставленных источниках отсутствуют.

Сценарии применения

отслеживание заданного объекта в видеопоследовательности
поиск и сопровождение объекта по визуальной подсказке
глобальный визуальный трекинг с текстовым запросом

Ограничения

Карточка описывает экспериментальный чекпойнт 069, но не приводит результаты оценки или подробные сведения о языковой поддержке. При обновлении runtime-зависимостей README рекомендует проверить загрузку модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VPTracker (Qwen3.5-2B)

This repository contains the VPTracker full-parameter fine-tune from experiment 069. It uses Qwen3.5-2B as the base model and location-aware visual prompts for global vision-language tracking.

The checkpoint was trained with seed 42 and the ms-swift 4.4.0 development environment. The current code records upstream ms-swift v4.5.3 for inference and future training; verify the loading smoke test after upgrading runtime dependencies.

Loading

from transformers import AutoProcessor, Qwen3_5ForConditionalGeneration

model_id = "jcwang0602/VPTracker"
processor = AutoProcessor.from_pretrained(model_id)
model = Qwen3_5ForConditionalGeneration.from_pretrained(model_id, device_map="auto")

The model card describes the 069 checkpoint only. Dataset preparation, visual-prompt rendering, evaluation, and reward plugins are available in the VPTracker code repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3_5ForConditionalGeneration
Ревизия весов: 9960768