Характеристики

Контекст: 4 096 токенов
Параметры: 152 млн
Лицензия: Apache 2.0
Архитектура: OneChart · dense
Опубликована: 11 апр 2024

Ссылки

Hugging Face arXiv 2404.09987

OneChart

kppkkp

Генерация текстаТекст → текст7 профессий

OneChart анализирует изображения диаграмм и извлекает их структуру.

111скачиваний за 30 дней15лайковвеса обновлены4 фев 2025

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

OneChart — модель, описанная в статье «OneChart: Purify the Chart Structural Extraction via One Auxiliary Token»; в карточке перечислены Jinyue Chen, Lingyu Kong и соавторы. Она предназначена для анализа изображений диаграмм и извлечения их структуры. В примере использования изображение передаётся модели вместе с токенизатором, а метод chat возвращает результат разбора с проверкой надёжности.

Модель основана на архитектуре OneChartOPTForCausalLM, содержит около 151,9 млн параметров и имеет контекст длиной 4096 токенов. README показывает обработку изображения, а метаданные указывают pipeline-тег feature-extraction; классификатор каталога также отмечает text-generation. Опубликована в форматах PyTorch и Safetensors.

Модель распространяется по лицензии Apache-2.0. Карточка не приводит языки, на которых формируется текстовый результат, и не описывает показатели качества; назначение, подтверждённое README, — извлечение структуры диаграмм из изображений.

Сценарии применения

извлечение структуры из изображения диаграммы
анализ диаграмм в документах
автоматизированный разбор графиков и диаграмм

Ограничения

Карточка не указывает поддерживаемые языки текстового ответа и метрики качества. В README приведён пример запуска с trust_remote_code.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Jinyue Chen*, Lingyu Kong*, Haoran Wei, Chenglong Liu, Zheng Ge, Liang Zhao, Jianjian Sun, Chunrui Han, Xiangyu Zhang

Github arxiv

Quickly try the demo using hugginface：

from transformers import AutoModel, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained('kppkkp/OneChart', trust_remote_code=True, use_fast=False, padding_side="right")
model = AutoModel.from_pretrained('kppkkp/OneChart', trust_remote_code=True, low_cpu_mem_usage=True, device_map='cuda')
model = model.eval().cuda()

# input your test image
image_file = 'image.png'
res = model.chat(tokenizer, image_file, reliable_check=True)
print(res)

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

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

Класс архитектуры: OneChartOPTForCausalLM
Ревизия весов: 79212de