/ Модель

Характеристики

Библиотека
transformers
Опубликована
13 дек 2024

ink_detection_pipeline

ЭмбеддингиТекст → embedding3 профессии

Модель TimeSformer для извлечения признаков из изображений древних рукописей в задачах поиска и чтения текста.

111скачиваний за 30 дней0лайковвеса обновлены30 дек 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

scrollprize/ink_detection_pipeline — модель семейства TimeSformer из проекта ScrollPrize для извлечения признаков из изображений древних рукописей. README указывает на применение в конвейере чтения древнего текста и поиска скрытых писем возрастом около 2000 лет; модель используется с пакетами vesuvius и timesformer-pytorch.

В метаданных указаны библиотека Transformers и формат весов safetensors. Доступные сведения не раскрывают размер модели, контекст, точные языки или лицензию, поэтому эти характеристики нельзя уточнить. README содержит команду принятия условий пакета Vesuvius, но не сообщает лицензию самой модели.

Сценарии применения

  • извлечение признаков из изображений древних рукописей
  • поиск скрытых писем в древних свитках
  • подготовка изображений свитков для конвейера чтения текста

Ограничения

Описание не сообщает размер модели, поддерживаемые языки и лицензию; для использования README требует принять условия пакета Vesuvius.

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

Ink detection pipeline using the Grandprize winning model.

Install the relevant packages using the following command:

pip install -U vesuvius transformer timesformer-pytorch
vesuvius.accept_terms --yes

Read ancient text and retrieve 2000 year old letters using this simple code snippet:

import vesuvius
import numpy as np
import matplotlib.pyplot as plt
from vesuvius import Volume
from transformers import pipeline


segment = Volume(20230827161847, normalize=True)

classifier = pipeline(model="scrollprize/ink_detection_pipeline", trust_remote_code=True, tile_size=64, stride=32, scale_factor=16)
prediction = classifier(np.transpose(segment[17:43, 200:5600,1000:4600],(1,2,0)).astype(np.float32)) # prediction shape ~ (512,512)

plt.imshow(prediction)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
TimesformerScrollprizeModel
Ревизия весов
6ebe1fe

0 моделей