/ Модель

Характеристики

Контекст
4 096 токенов
Размер весов
15,6 ГБ
Лицензия
Своя лицензия
Архитектура
mpt · dense
Опубликована
2 фев 2025

Chitrarth

Генерация текстаТекст → текст4 профессии

Chitrarth — мультиязычная визуально-языковая модель для ответов на вопросы об изображениях и других задач понимания изображений на индийских языках и английском.

209скачиваний за 30 дней18лайковвеса обновлены26 мар 2025

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

Chitrarth — мультиязычная модель обработки изображений и текста от Krutrim AI Labs. Она объединяет языковую модель Krutrim-1 с визуальным энкодером SigLIP и двухслойным MLP и предназначена для общего мультимодального общения: ответов на вопросы об изображениях и выполнения задач визуального понимания. Модель рассчитана на хинди, бенгальский, телугу, тамильский, маратхи, гуджарати, каннада, малаялам, одия, ассамский и английский языки.

В карточке приведены результаты оценки на мультимодальных бенчмарках, включая BharatBench для индийских языков. Веса представлены в формате safetensors; лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензионными материалами репозитория. Данных о размере модели и длине контекста в предоставленных источниках нет.

Сценарии применения

  • ответы на вопросы по содержимому изображений на хинди
  • описание и интерпретация изображений на индийских языках
  • визуальный диалог на бенгальском и английском
  • оценка присутствия объектов на изображении
  • мультиязычное тестирование визуального понимания

Ограничения

Карточка приводит оценки только для части языков и наборов задач, поэтому качество на остальных языках и сценариях по этим данным оценить нельзя. Условия лицензии обозначены как other и требуют проверки в репозитории.

Для каких профессий подходит4

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

Chitrarth: Bridging Vision and Language for a Billion People

Paper Link👁️ Static Badge Static Badge Static Badge Static Badge

1. Introduction

Chitrarth (Chitra: Image; Artha: Meaning) is a multilingual VLM that integrates a state-of-the-art multilingual Large Language Model (LLM) with a vision module. This model is trained primarily on multilingual image-text data and is designed to work across 10 prominent Indian languages, including Hindi, Bengali, Telugu, Tamil, Marathi, Gujarati, Kannada, Malayalam, Odia, and Assamese, as well as English

Chitrarth

2. Model Summary

Key Features

  • Model: Krutrim-1 as the base LLM, SigLIP as the visual encoder with 2 layer MLP
  • Languages Supported: 10 Indic languages - Hindi, Bengali, Telugu, Tamil, Marathi, Gujarati, Kannada, Malayalam, Odia, and Assamese, as well as English
  • Usage: General purpose VLM

model

3. API Platform

Visit Chitrarth Online to access the model via the web interface.

4. Inference code

git clone https://github.com/ola-krutrim/Chitrarth.git
conda create --name chitrarth python=3.10
conda activate chitrarth

cd Chitrarth 
pip install -e .

python chitrarth/inference.py --model-path "krutrim-ai-labs/chitrarth" --image-file "assets/govt_school.jpeg" --query "Explain the image. "

5. Evaluation Results

model

Performance against SOTA VLMs on different academic multimodal tasks. Our model consistently outperforms IDEFICS 2 (7B) and PALO 7B on different benchmarks while remaining competitive on TextVQA and Vizwiz.

We introduce BharatBench, a comprehensive evaluation benchmark suite designed for 10 under-resourced Indic languages across 3 tasks. The performance of Chitrarth on the BharatBench Evaluation framework sets a strong baseline for future research in this domain. Our model is unique in its ability to handle all included languages.

Below are the performance results of Chitrarth on BharatBench across three evaluation tasks: POPE, LLaVA-Bench, and MMVet.

LanguagePOPELLaVA-BenchMMVet
Telugu79.954.843.76
Hindi78.6851.538.85
Bengali83.2453.733.24
Malayalam85.2955.525.36
Kannada85.5258.146.19
Assamese55.5959.137.29
Tamil83.2858.334.31
Marathi79.1752.840.96
Gujarati84.7555.939.03
Odia82.0362.819.67
English87.6367.930.49

6. License

This code repository and the model weights are licensed under the Krutrim Community License.

7. Citation

@inproceedings{
  khan2024chitrarth,
  title={Chitrarth: Bridging Vision and Language for a Billion People},
  author={Shaharukh Khan, Ayush Tarun, Abhinav Ravi, Ali Faraz, Praveen Kumar Pokala, Anagha Bhangare, Raja Kolla, Chandra Khatri, Shubham Agarwal},
  booktitle={NeurIPS Multimodal Algorithmic Reasoning},
  year={2024},
}

8. Contact

Contributions are welcome! If you have any improvements or suggestions, feel free to submit a pull request on GitHub.

9. Acknowledgement

Chitrarth is built with reference to the code of the following projects: Transformers, and LLaVA-1.5. Thanks for their awesome work!

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
ChitrarthForCausalLM
Ревизия весов
5457ead

0 моделей