/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
16,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_vl · dense
Базовая модель
Qwen2-VL-7B-Instruct
Библиотека
transformers
Опубликована
27 июн 2026

qwen2vl-crochetbench-task-c-finetuned

Изображение и текст → текст3 профессии

Мультимодальная модель Qwen2-VL, которая генерирует инструкции для вязания крючком по изображению готового изделия.

22скачиваний за 30 дней0лайковвеса обновлены15 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 «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

Модель peiyugeorgia/qwen2vl-crochetbench-task-c-finetuned — мультимодальная Qwen2-VL-7B, дообученная методом полного fine-tuning на задании C бенчмарка CrochetBench. Она принимает изображение готового изделия, связанного крючком, и составляет по нему инструкции для вязания в формате опубликованного узора: по рядам или кругам, с общепринятыми сокращениями и без дополнительных комментариев. Модель предназначена для опытных вязальщиц и вязальщиков; её архитектура — Qwen2VLForConditionalGeneration, размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Поддержка изображений и диалога унаследована от Qwen2-VL-7B-Instruct; в карточке указан английский язык.

Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Её специализированная задача ограничена созданием схемы вязания крючком по изображению готового изделия. Точность сгенерированных инструкций может зависеть от того, насколько хорошо изображение показывает конструкцию изделия и детали узора.

Сценарии применения

  • составление описания узора по фотографии готового изделия
  • создание пошаговой схемы вязания крючком по изображению
  • преобразование фотографии игрушки или аксессуара в инструкции по рядам
  • подготовка англоязычного паттерна вязания с общепринятыми сокращениями

Ограничения

Модель настроена на задачу генерации узора для вязания крючком по изображению и рассчитана на опытных пользователей. Карточка не приводит оценок точности; достоверность деталей узора по одному изображению может быть ограничена.

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

Qwen2-VL-7B finetuned on crochetBench Task C

This model is a fine-tuned version of Qwen/Qwen2-VL-7B-Instruct, trained on the crochetBench Task C benchmark.

Task Description

Task C — Image-to-Pattern Generation: Given an image of a finished crochet product, the model generates a complete set of crochet instructions in standard published-pattern format.

The output follows these conventions:

  • Standard abbreviations: sc (single crochet), hdc (half double crochet), dc (double crochet), tr (treble), ch (chain), sl st (slip stitch), rep (repeat)
  • Organized row-by-row or round-by-round (e.g., Rnd 1: ..., Row 2: ...)
  • Concise and precise, targeting experienced crocheters
  • Pattern instructions only — no commentary or extra text

Model Details

PropertyValue
Base modelQwen/Qwen2-VL-7B-Instruct
Fine-tuning methodFull fine-tuning
OptimizerAdamW
Learning rate1e-5
Epochs3
Effective batch size8
Best checkpointStep 1500
Training dateDecember 13, 2025

Usage

from transformers import Qwen2VLForConditionalGeneration, AutoProcessor
from PIL import Image
import torch

model_id = "peiyugeorgia/qwen2vl-crochetbench-task-c-finetuned"

model = Qwen2VLForConditionalGeneration.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto"
)
processor = AutoProcessor.from_pretrained(model_id)

image = Image.open("your_crochet_image.jpg").convert("RGB")

messages = [
    {
        "role": "system",
        "content": (
            "You are a professional crochet pattern writer. "
            "Examine the image of the finished crochet product carefully. "
            "Write a complete set of crochet instructions in the standard style used in published patterns. "
            "Use standard abbreviations: sc (single crochet), hdc (half double crochet), dc (double crochet), "
            "tr (treble), ch (chain), sl st (slip stitch), rep (repeat). "
            "Organize the instructions row by row or round by round (e.g., 'Rnd 1: ...', 'Row 2: ...'). "
            "Keep the instructions concise and precise, as if for experienced crocheters. "
            "Output only the crochet pattern. Do not add any explanations, commentary, or extra text."
        )
    },
    {
        "role": "user",
        "content": [
            {"type": "image", "image": image},
            {"type": "text", "text": "Generate step-by-step crochet instructions for this image."}
        ]
    }
]

text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = processor(text=[text], images=[image], return_tensors="pt").to(model.device)

with torch.no_grad():
    output_ids = model.generate(**inputs, max_new_tokens=1024)

generated = processor.batch_decode(output_ids, skip_special_tokens=True)[0]
print(generated)

Citation

If you use this model, please cite the crochetBench benchmark.

@inproceedings{peiyuli2026,
  title     = {CrochetBench: Can Vision-Language Models Move from Describing to
               Doing in Crochet Domain?},
  author    = {Li, Peiyu and Huang, Xiaobao and Hua, Ting and Chawla, Nitesh V.},
  booktitle = {Proceedings of the 64th Annual Meeting of the Association for
               Computational Linguistics (Volume 1: Long Papers)},
  year      = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2VLForConditionalGeneration
Ревизия весов
19ab250

0 моделей