/ Модель

Характеристики

Контекст
514 токенов
Параметры
95,2 млн
Лицензия
MIT
Архитектура
roberta · dense
Опубликована
30 янв 2024

icc

Классификация текстаТекст → label3 профессии

Классификатор RoBERTa для оценки конкретности подписей к изображениям и отбора подходящих подписей в мультимодальных наборах данных.

64скачиваний за 30 дней1лайквеса обновлены13 окт 2024

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

ICC — официальная модель, представленная в статье ICC: Quantifying Image Caption Concreteness for Multimodal Dataset Curation и опубликованная для работы с подписями к изображениям. Это классификатор последовательностей на базе RoBERTa с 95,2 млн параметров; модель принимает текст и оценивает конкретность подписи. Контекст составляет 514 токенов.

Модель предназначена для отбора качественных подписей в шумных мультимодальных наборах данных: подписи с низкой оценкой конкретности можно отфильтровывать. Авторы рекомендуют применять её вместе с фильтрацией на основе CLIP. Модель доступна в формате safetensors по лицензии MIT.

Сценарии применения

  • оценка конкретности подписи к изображению
  • фильтрация расплывчатых подписей в наборе данных
  • отбор подписей для мультимодального датасета
  • подготовка подписей к изображениям совместно с фильтрацией CLIP

Ограничения

Модель оценивает текст подписи и сама по себе не анализирует изображение; авторы рекомендуют сочетать её с фильтрацией на основе CLIP. Поддерживаемые языки в доступных сведениях не определены.

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

Official ICC model [ACL 2024 Findings]

The official checkpoint of ICC model, introduced in ICC: Quantifying Image Caption Concreteness for Multimodal Dataset Curation

Project Page

Usage

The ICC model is used to quantify the concreteness of image captions, and the intended use is finding the best captions in a noisy multimodal dataset. It can be achieved by simply running it over the captions and filtering out samples with low score. It works best in conjunction with CLIP based filtering.

Running the model

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

tokenizer = AutoTokenizer.from_pretrained("moranyanuka/icc")
model = AutoModelForSequenceClassification.from_pretrained("moranyanuka/icc").to("cuda")

captions = ["a great method of quantifying concreteness", "a man with a white shirt"]
text_ids = tokenizer(captions, padding=True, return_tensors="pt", truncation=True).to('cuda')
with torch.inference_mode():
  icc_scores = model(**text_ids)['logits']

# tensor([[0.0339], [1.0068]])

bibtex:

@misc{yanuka2024icc,
      title={ICC: Quantifying Image Caption Concreteness for Multimodal Dataset Curation}, 
      author={Moran Yanuka and Morris Alper and Hadar Averbuch-Elor and Raja Giryes},
      year={2024},
      eprint={2403.01306},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForSequenceClassification
Ревизия весов
6d3a879

0 моделей