/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,7 млрд
Размер весов
14,3 ГБ
Лицензия
Apache 2.0
Архитектура
chameleon · dense
Библиотека
transformers
Опубликована
13 июл 2024

Anole-7b-v0.1-hf

Изображение и текст → текст3 профессии

Anole — авторегрессионная мультимодальная модель Chameleon для понимания изображений и генерации текста, изображений и их чередующихся последовательностей.

1 622скачиваний за 30 дней11лайковвеса обновлены22 июл 2024

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

leloy/Anole-7b-v0.1-hf — преобразованная в совместимый с Hugging Face формат версия Anole, авторегрессионной мультимодальной модели семейства Chameleon. Модель содержит 6,7 млрд параметров, использует архитектуру ChameleonForConditionalGeneration и принимает текст и изображения, создавая чередующиеся последовательности текста и изображений; также поддерживает генерацию изображений по тексту и мультимодальное понимание.

Anole дообучена на тщательно отобранном наборе примерно из 6 000 изображений. Карточка отмечает следование сложным инструкциям и генерацию согласованного текстово-изобразительного содержимого. Контекст составляет 4096 токенов. Модель предназначена для мультимодальной генерации и исследований, однако для этой конвертированной версии указан нестандартный вариант Transformers, что ограничивает совместимость с обычными установками. Лицензия — Apache-2.0.

Сценарии применения

  • генерация изображения по текстовому запросу
  • создание последовательности с чередованием текста и изображений
  • ответы на вопросы по изображению
  • генерация иллюстрированного текста по инструкции

Ограничения

Эта версия работает только с указанной в карточке специальной веткой Transformers, поэтому может быть несовместима с обычными установками библиотеки. Качество генерации описано как результат предварительных тестов, без приведённых количественных оценок.

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

Anole: An Open, Autoregressive and Native Multimodal Models for Interleaved Image-Text Generation

Note: This is a huggingface-compatible version of the model converted by leloy. Currently only works on this branch of the Transformers library.

Anole is the first open-source, autoregressive, and natively trained large multimodal model capable of interleaved image-text generation (without using stable diffusion). While it builds upon the strengths of Chameleon, Anole excels at the complex task of generating coherent sequences of alternating text and images. Through an innovative fine-tuning process using a carefully curated dataset of approximately 6,000 images, Anole achieves remarkable image generation and understanding capabilities with minimal additional training. This efficient approach, combined with its open-source nature, positions Anole as a catalyst for accelerated research and development in multimodal AI. Preliminary tests demonstrate Anole's exceptional ability to follow nuanced instructions, producing high-quality images and interleaved text-image content that closely aligns with user prompts.

The major functionalities of Anole are listed below:

  • Interleaved Text-Image Structured Generation (support added by leloy)
  • Text-to-Image Generation
  • Interleaved Text-Image Generation
  • Text Generation
  • MultiModal Understanding

where Bold represents newly added capabilities on the basis of Chameleon.

Please refer to our github repo for examples generated by Anole!

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
ChameleonForConditionalGeneration
Ревизия весов
96df523

0 моделей