/ Модель

Характеристики

Размер весов
14,1 ГБ
Архитектура
llava · dense
Библиотека
transformers
Опубликована
23 мая 2024

TikZ-llava-1.5-7b

Описание изображенийИзображение → текст3 профессии

Мультимодальная LLaVA-модель, которая преобразует нарисованные от руки схемы в код TikZ.

13скачиваний за 30 дней7лайковвеса обновлены23 мая 2024

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 «Распознавание текста» — 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

Это мультимодальная модель LLaVA, дообученная для создания кода TikZ по изображениям нарисованных от руки схем. Она принимает изображение эскиза и формирует текст с описанием схемы в формате TikZ. Модель предназначена для преобразования простых набросков диаграмм в код, который можно использовать в LaTeX.

Модель разработана waleko и дообучена на синтетическом наборе данных EgorShibaev/TikZ-short-code. Архитектура — LLaVA для условной генерации; веса опубликованы в формате safetensors и используются через Transformers. Лицензия и размер модели в предоставленных данных не указаны.

Сценарии применения

  • Преобразование наброска диаграммы в код TikZ
  • Создание TikZ-схем по изображению с бумаги или доски
  • Подготовка эскиза схемы для включения в документ LaTeX

Ограничения

Обучение описано для синтетического набора TikZ-short-code; качество на фотографиях, сложных схемах и других типах изображений не охарактеризовано.

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

Model Card for Model ID

Fine-tuned multimodal LLaVA model for TikZ diagram generation using hand-drawn sketches.

How to Get Started with the Model

from transformers import pipeline
from PIL import Image
import requests

pipe = pipeline("image-to-text", model="waleko/TikZ-llava-1.5-7b")

url = "https://waleko.github.io/data/image.jpg"
image = Image.open(requests.get(url, stream=True).raw)
prompt = "Assistant helps to write down the TikZ code for the user's image. USER: <image>\nWrite down the TikZ code to draw the diagram shown in the image. ASSISTANT: "

print(pipe(image, prompt=prompt)[0]['generated_text'])

Training Details

Training Data

Trained on synthetic TikZ-short-code dataset.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlavaForConditionalGeneration
Ревизия весов
92c0952

0 моделей