/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Базовая модель
t5-base
Опубликована
27 июл 2026

learning-interactions-summarization

СуммаризацияТекст → текст3 профессии

Дообученная T5-base сокращает подписи к изображениям до описаний взаимодействий между людьми и создаёт псевдоразметку для HHI.

10скачиваний за 30 дней0лайковвеса обновлены27 июл 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 «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

Модель malper/learning-interactions-summarization — версия T5-base, дообученная авторами проекта Learning Human-Human Interactions in Images from Weak Textual Supervision (ICCV 2023). Она преобразует полные текстовые подписи к изображениям в короткие описания взаимодействий между людьми. Модель использовалась для создания псевдоразметки pHHI для набора данных Who's Waldo и предназначена прежде всего для воспроизведения экспериментов статьи и подготовки подобных описаний из подписей.

Это модель семейства T5 с архитектурой T5ForConditionalGeneration и 123,7 млн параметров; базовый контекст — 512 токенов. На вход подаётся текст, на выходе — краткое текстовое резюме взаимодействия. Модель дообучена на синтетических парах полных подписей и соответствующих описаний HHI. Распространяется под лицензией Apache-2.0. Она ориентирована на узкую задачу взаимодействий между людьми и предоставлена как исследовательский код для воспроизводимости результатов, поэтому её пригодность для обобщённого суммаризирования не подтверждена.

Сценарии применения

  • сокращение подписи к изображению до описания взаимодействия людей
  • создание псевдоразметки HHI по текстовым подписям
  • подготовка текстовых описаний для набора Who's Waldo
  • воспроизведение экспериментов по распознаванию взаимодействий между людьми

Ограничения

Модель предназначена для узкой задачи суммаризации подписей об отношениях и взаимодействиях людей; качество на других видах текста не описано. Она создана для воспроизводимости исследовательских результатов и предоставляется без гарантий.

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

HHI caption summarization model

This is the summarization model from "Learning Human-Human Interactions in Images from Weak Textual Supervision" (ICCV 2023): a T5-base model fine-tuned to summarize captions into short human-human interaction (HHI) descriptions. It is used to generate the pseudo-labels (pHHI) for the Who's Waldo dataset used to train the main HHI understanding model.

Training data

Fine-tuned on synthetic caption data (synthetic_captions.csv, available in the GitHub repo), mapping full captions to their corresponding HHI descriptions.

Usage

Can be loaded directly with transformers:

from transformers import pipeline
pipe = pipeline('summarization', model='malper/learning-interactions-summarization', device=0)
pipe('summarize: ' + caption)

Or used with the pseudo-labeling code in the repo above (pseudo-labeling/create_pseudolabels.py, pass via -m malper/learning-interactions-summarization or after downloading locally with hf download malper/learning-interactions-summarization --local-dir output/summarization_model).

Training hyperparameters

  • learning_rate: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3.0

Framework versions

  • Transformers 4.18.0
  • PyTorch 1.13.0a0+d0d6b1f
  • Datasets 2.8.0
  • Tokenizers 0.12.1

Context

This is research code from 2023, prior to the widespread availability of general-purpose vision-language models (VLMs). It is provided as-is for reproducibility of the paper's results.

Citation

@InProceedings{alper2023learning,
    author    = {Morris Alper and Hadar Averbuch-Elor},
    title     = {Learning Human-Human Interactions in Images from Weak Textual Supervision},
    booktitle = {Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)},
    year      = {2023}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
565cc51

0 моделей