/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
16,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_vl · dense
Базовая модель
Qwen2-VL-7B-Instruct
Опубликована
29 июн 2026

pigreward

Изображение и текст → текст3 профессии

PIGReward сравнивает два сгенерированных изображения по текстовому запросу и предпочтениям пользователя, чтобы выбрать более подходящее.

23скачиваний за 30 дней0лайковвеса обновлены29 июн 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 «Изображение → 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

PIGReward — модель оценки пользовательских предпочтений для генерации изображений по текстовому описанию. Она основана на Qwen2-VL-7B-Instruct и предназначена для сравнения двух изображений с учётом запроса и контекста визуальных предпочтений пользователя. Модель выдаёт оценки по отдельным критериям, объяснение и выбор предпочтительного изображения.

Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2-VL и принимает текст вместе с изображениями. Размер контекста — 32 768 токенов. Она подходит для персонализированного ранжирования результатов text-to-image генерации; лицензия — Apache-2.0.

Сценарии применения

  • выбор лучшего из двух изображений, созданных по одному запросу
  • ранжирование вариантов генерации с учётом вкуса пользователя
  • оценка соответствия изображения текстовому промпту
  • формирование персонализированной обратной связи для системы генерации изображений

Ограничения

Модель оценивает пары изображений относительно заданного текстового запроса и контекста предпочтений; описание не сообщает о поддержке других сценариев оценки или языков.

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

Personalized Reward Modeling for Text-to-Image Generation (ECCV 2026)

arXiv

PIGReward is a personalized reward model for text-to-image generation. Given a text prompt, two generated images, and a user's preference context, it compares the image pair using user-specific evaluation criteria and predicts which image better matches the user's visual taste.

This repository contains the Context-to-Reward evaluator.

For bootstrapping preference context from prior image choices, use:

https://huggingface.co/jeongeunnn/pigreward-bootstrap

Model

  • Base model: Qwen2-VL-7B-Instruct
  • Task: Personalized pairwise image preference evaluation
  • Input: Text prompt, two candidate images, and user preference context
  • Output: Dimension-wise reasoning, scores, and final preferred image

Usage

import torch
from transformers import AutoProcessor, AutoTokenizer, Qwen2VLForConditionalGeneration

model_id = "jeongeunnn/pigreward"

processor = AutoProcessor.from_pretrained(model_id)
tokenizer = AutoTokenizer.from_pretrained(model_id, use_fast=True)
model = Qwen2VLForConditionalGeneration.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)
model.eval()

Example Output

Composition: Image 1 shows stronger spatial balance and a clearer focal structure. (Score 1: 8, Score 2: 6)
Lighting: Image 2 has warmer and more atmospheric lighting. (Score 1: 6, Score 2: 8)
Detail: Image 1 contains sharper textures and more coherent visual details. (Score 1: 9, Score 2: 7)
Score 1: 23
Score 2: 21
Image 1 is better

Citation

@article{lee2025personalized,
  title={Personalized Reward Modeling for Text-to-Image Generation},
  author={Lee, Jeongeun and Heo, Ryang and Lee, Dongha},
  journal={arXiv preprint arXiv:2511.19458},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2VLForConditionalGeneration
Ревизия весов
c3e5a4b

0 моделей