/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
7 ГБ
Лицензия
Apache 2.0
Архитектура
lvlm · dense
Базовая модель
siglip-base-patch16-256-multilingual
Опубликована
10 апр 2025

MedM-VL-2D-3B-en

Изображение и текст → текст3 профессии

MedM-VL-2D-3B-en — мультимодальная модель для анализа двумерных медицинских изображений, ответов на вопросы и генерации медицинских отчётов на английском языке.

408скачиваний за 30 дней0лайковвеса обновлены11 окт 2025

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

MedM-VL-2D-3B-en — мультимодальная модель для работы с двумерными медицинскими изображениями и англоязычным медицинским текстом. В README указаны разработчик и точная конфигурация архитектуры; по метаданным модель объединяет Qwen/Qwen2.5-3B-Instruct и визуальный энкодер google/siglip-base-patch16-256-multilingual, соединённые двухслойным MLP. Репозиторий содержит веса Safetensors, размер языковой модели — 3 млрд параметров.

Модель предназначена для генерации медицинских отчётов, ответов на вопросы об изображениях, понимания и генерации выражений, указывающих на области изображения, а также классификации медицинских изображений. README приводит результаты на MedMNISTderma, MedMNISTorgan и MedPix; на первых двух наборах показаны высокие результаты относительно перечисленных моделей сравнения, тогда как на MedPix результат ниже указанного для LLaVA-Med.

Модель принимает изображения и текстовые запросы и генерирует текстовые ответы. Карточка заявляет работу с 2D-изображениями и английским медицинским текстом; длина контекста не приведена. Лицензия — Apache-2.0. Оценки приведены лишь для части бенчмарков и не гарантируют качество на других типах изображений или клинических сценариях; модель следует рассматривать как вспомогательный инструмент, а не замену профессиональной медицинской оценки.

Сценарии применения

  • генерация медицинского отчёта по изображению
  • ответы на вопросы по медицинскому изображению
  • поиск области изображения по текстовому описанию
  • генерация текстового описания выбранной области изображения
  • классификация медицинских изображений

Ограничения

Оценки в README охватывают лишь часть бенчмарков и различаются между наборами; результаты на них не гарантируют качество в других клинических сценариях. Модель не заменяет профессиональную медицинскую оценку.

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

MedM-VL-2D-3B-en

Introduction

A 2D medical LVLM trained on 2D medical images and English medical texts, enabling tasks such as report generation, VQA, referring expression comprehension (REC), referring expression generation (REG) and image classification.

Config
Image encodergoogle/siglip-base-patch16-256-multilingual
ConnectorMLP (2-layer)
LLMQwen/Qwen2.5-3B-Instruct
Image resolution256*256
Sequence length2048

Evaluation

BenchmarkMed-FlamingoLLaVA-MedRadFMMedM-VL-2D-3B-en
MedMNISTderma0.0120.2580.0510.810
MedMNISTorgan0.0890.6680.1890.791
MedPix0.0810.151-0.087
MIMIC-CXR0.2330.2040.0680.222
PathVQA0.3340.3780.2480.634
SAMedidentify-0.458-0.637
SAMedrefer-0.086-0.225
SLAKEidentify-0.272-0.349
SLAKErefer-0.041-0.261
SLAKEvqa0.2150.3370.8170.812

Quickstart

Please refer to MedM-VL.

Citation

@inproceedings{shi2025medm,
  title={Medm-vl: What makes a good medical lvlm?},
  author={Shi, Yiming and Yang, Shaoshuai and Zhu, Xun and Wang, Haoyu and Fu, Xiangling and Li, Miao and Wu, Ji},
  booktitle={International Workshop on Agentic AI for Medicine},
  pages={290--299},
  year={2025},
  organization={Springer}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура lvlm неизвестна transformers в образе рантайма.

Класс архитектуры
LVLMForConditionalGeneration
Ревизия весов
a6cd6d3

0 моделей