/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,3 млрд
Лицензия
Apache 2.0
Архитектура
mobilevlm · dense
Опубликована
6 фев 2024

MobileVLM_V2-1.7B

Генерация текстаТекст → текст6 профессий

Компактная визуально-языковая модель для ответов на вопросы и генерации описаний по изображениям.

214скачиваний за 30 дней33лайкавеса обновлены7 фев 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

MobileVLM_V2-1.7B — компактная визуально-языковая модель из семейства MobileVLM V2, разработанного авторами проекта MobileVLM. Она принимает изображение и текстовый запрос и генерирует текстовые ответы, например описания изображения и ответы на вопросы о его содержимом. Модель создана на основе MobileLLaMA-1.4B-Chat для удобного развертывания; в карточке указано 1,3 млрд параметров, архитектура MobileLlamaForCausalLM и контекст 2048 токенов.

Для MobileVLM V2 заявлены результаты на стандартных тестах визуально-языковых моделей на уровне или выше ряда более крупных моделей, однако README не приводит конкретные оценки для версии 1.7B. Модель доступна под лицензией Apache-2.0.

Сценарии применения

  • ответы на вопросы о содержимом изображения
  • создание кратких описаний изображений
  • извлечение визуальных деталей по текстовому запросу

Ограничения

Указанное контекстное окно составляет 2048 токенов. В README нет конкретных результатов тестирования или подробных ограничений для версии 1.7B.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Summery

MobileVLM V2 is a family of significantly improved vision language models upon MobileVLM, which proves that a delicate orchestration of novel architectural design, an improved training scheme tailored for mobile VLMs, and rich high-quality dataset curation can substantially benefit VLMs’ performance. Specifically, MobileVLM V2 1.7B achieves better or on-par performance on standard VLM benchmarks compared with much larger VLMs at the 3B scale. Notably, MobileVLM_V2-3B model outperforms a large variety of VLMs at the 7B+ scale.

The MobileVLM_V2-1.7B was built on our MobileLLaMA-1.4B-Chat to facilitate the off-the-shelf deployment.

Model Sources

How to Get Started with the Model

Inference examples can be found at Github.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура mobilevlm неизвестна transformers в образе рантайма.

Класс архитектуры
MobileLlamaForCausalLM
Ревизия весов
9a5b623

0 моделей