/ Модель

Характеристики

Контекст
131 072 токена
Архитектура
qwen2_5_vl · dense
Библиотека
transformers
Опубликована
23 июн 2026

SPLASH_3B

Изображение и текст → текст3 профессии

SPLASH-3B — мультимодальная модель на базе Qwen2.5-VL-3B-Instruct для тактильного восприятия и рассуждений с сохранением возможностей анализа изображений и текста.

20скачиваний за 30 дней0лайковвеса обновлены8 авг 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

SPLASH-3B — мультимодальная языковая модель с тактильным восприятием, разработанная командой SPLASH и основанная на Qwen2.5-VL-3B-Instruct. Она использует обучение с масочной изоляцией для согласования тактильных данных с представлениями модели и предназначена для тактильных рассуждений вместе с сохранением общих возможностей работы с изображениями и текстом.

Модель подходит для диалоговых сценариев, где нужно анализировать тактильные входы и сопоставлять их с визуальной информацией. В README не приведены сведения о лицензии и длине контекста; метаданные указывают архитектуру Qwen2.5-VL, библиотеку Transformers и формат safetensors.

Сценарии применения

  • тактильный анализ объектов
  • рассуждения по тактильным данным
  • совместный анализ тактильных и визуальных сигналов
  • диалоговые задачи с изображениями и тактильным восприятием

Ограничения

README не сообщает количественные результаты оценки и условия лицензии; пригодность для конкретных тактильных датчиков или прикладных сред по карточке не установлена.

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

SPLASH-3B: Wake up for Touch! Mask-isolated Tactile Alignment Learning in MLLMs

SPLASH-3B is a tactile-aligned Multimodal Large Language Model (MLLM) based on the Qwen2.5-VL-3B-Instruct backbone. It integrates tactile perception into vision-language models using mask-isolated tactile alignment learning, allowing tactile reasoning while preserving general visual-language capabilities.

Citation

If you find SPLASH useful, please consider citing the paper:

@inproceedings{park2026splash,
  title={Wake up for Touch! Mask-isolated Tactile Alignment Learning in MLLMs},
  author={Yoonhyung Park and Minji Kim and Sungwon Moon and Jiyoung Lee},
  booktitle={European Conference on Computer Vision (ECCV)},
  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
Qwen2_5_VLForConditionalGeneration
Ревизия весов
5a380ff

0 моделей