/ Модель
Каталог

Характеристики

Лицензия
BSD 3-Clause
Архитектура
blip · dense
Базовая модель
blip-image-captioning-base
Библиотека
transformers
Опубликована
31 июл 2026

Ссылки

Hugging Face

nepali_caption_model_output

skillclass
Изображение и текст → текст

Дообученная на неизвестном датасете BLIP-модель для генерации текстовых подписей к изображениям.

17скачиваний за 30 дней0лайковвеса обновлены31 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.

Открыть конструктор бенчмарка

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

Nepali Caption Model Output — дообученная модель Salesforce на базе BLIP, предназначенная для генерации текстовых подписей к изображениям. Архитектура использует BLIP и класс BlipForConditionalGeneration; модель принимает изображения и выдаёт текст. В метаданных указан формат safetensors и задача image-text-to-text. README сообщает о дообучении на датасете, состав которого не раскрыт, и приводит значение loss 2,5672 на оценочной выборке.

Модель подходит для автоматического создания подписей к изображениям. Базовая модель описана как BLIP с визуальным энкодером ViT Base. Репозиторий распространяется по лицензии BSD-3-Clause. Данных о поддерживаемых языках, контексте и подробных ограничениях в карточке нет.

Сценарии применения

  • Создание коротких подписей к изображениям
  • Автоматическое описание содержимого фотографий
  • Подготовка текстовых описаний для каталога изображений

Ограничения

Датасет дообучения не раскрыт, а README не содержит подробных сведений о качестве и ограничениях модели. Указанный loss 2,5672 приведён без описания оценочной выборки и методики.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

nepali_caption_model_output

This model is a fine-tuned version of Salesforce/blip-image-captioning-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.5672

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 2
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
4.96541.0573.6107
2.76332.01142.5672

Framework versions

  • Transformers 5.13.1
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BlipForConditionalGeneration
Ревизия весов
83b13ef

0 моделей

    Создать бенчмарк