/ Модель

Характеристики

Контекст
2 048 токенов
Лицензия
Apache 2.0
Архитектура
moondream1 · dense
Базовая модель
moondream2
Библиотека
transformers
Опубликована
30 авг 2024

moondream-caption

Генерация текстаТекст → текст5 профессий

Компактная модель Moondream, дообученная для генерации текстовых описаний изображений.

38 642скачиваний за 30 дней10лайковвеса обновлены10 янв 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

Moondream-Caption — компактная мультимодальная модель семейства Moondream, разработанная wraps на основе vikhyatk/moondream2 и дообученная для создания описаний изображений. Она принимает изображение и генерирует текстовую подпись с описанием видимых объектов и сцены.

Модель рассчитана на автоматическое составление подписей к изображениям, например для их каталогизации или добавления текстовых описаний. В качестве обучающих данных использован набор изображений, созданных с помощью flux1_dev, с проверенными описаниями. Модель работает через библиотеку Transformers; файлы весов представлены в формате safetensors.

Результаты могут быть менее точными на изображениях, заметно отличающихся от обучающих данных, а также на сложных или абстрактных сценах. Лицензия — Apache-2.0.

Сценарии применения

  • создание подписей к изображениям
  • автоматическое описание визуальных сцен
  • добавление описаний к изображениям в каталоге
  • генерация краткого текста для иллюстраций

Ограничения

Модель может работать хуже на изображениях, существенно отличающихся от обучающего набора, и испытывать трудности со сложными или абстрактными сценами.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Moondream-Caption: Custom Small Vision Model based on Moondream2

Moondream-Caption is a custom small vision model based on moondream2 by vikhyatk. It has been fine-tuned on a specific dataset to enhance its image description capabilities.

Key Features:

  • Based on the moondream2 architecture
  • Fine-tuned for image caption generation
  • Trained on a high-quality custom dataset

Dataset

The dataset used for training Moondream-Caption is specifically designed for image captioning tasks. It has the following characteristics:

  • Images generated with flux1_dev
  • Highly accurate and verified descriptive captions
  • Wide variety of visual content

Usage

You can use Moondream-Caption for image captioning tasks by leveraging the Hugging Face Transformers library. Here's a quick example of how to generate captions for an image:

from transformers import AutoTokenizer, AutoModelForCausalLM
from PIL import Image

moondream = AutoModelForCausalLM.from_pretrained(
   "wraps/moondream-caption", trust_remote_code=True
)
tokenizer = AutoTokenizer.from_pretrained("wraps/moondream-caption")

image = Image.open("path/to/your/image.jpg")
enc_image = moondream.encode_image(image)
caption = model.answer_question(enc_image, "Write a long caption for this image")

print(caption)

Example

image/png

Output Caption: A close-up portrait of a green alien with a large oval head, enormous black almond-shaped eyes, small nostrils, and a tiny mouth. The alien has a long, thin neck and is wearing a black t-shirt with white text that reads 'humans scare me'. The background shows a pale blue sky with soft, wispy clouds.

Limitations

While Moondream-Caption is designed to generate accurate and relevant image captions, it may not perform optimally on images that significantly differ from the training dataset. Additionally, the model may struggle with complex or abstract images that deviate from the dataset's content. Please open an issue on the model's repository if you encounter any limitations or issues.

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
Moondream
Ревизия весов
9bbbd86

0 моделей