Характеристики
- Контекст
- 2 048 токенов
- Параметры
- 6,6 млрд
- Размер весов
- 16,1 ГБ
- Архитектура
- llava · dense
- Опубликована
- 23 авг 2023
Ссылки
LISA-7B-v1
Мультимодальная модель LISA-7B-v1 отвечает на вопросы об изображениях и создаёт маски сегментации объектов по текстовым запросам.
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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
LISA-7B-v1 — мультимодальная модель Xin Lai и соавторов из проекта JIA-Lab, созданная для сегментации объектов на изображениях по текстовым запросам, требующим рассуждений. Она сочетает возможности языковой модели LLaVA с выводом масок сегментации на основе SAM и может формировать пояснения к результату и поддерживать многоходовый диалог.
Модель содержит 6,6 млрд параметров, использует архитектуру LLaVA и имеет контекст длиной 2048 токенов. Разработчики показывают применение к сложным запросам, использующим контекст изображения и общие знания; модель также обучалась на задачах семантической и референсной сегментации и визуальных вопросах. Для репозитория указана лицензия Apache-2.0. Конкретные ограничения качества для этой версии в доступных источниках не описаны.
Сценарии применения
- Сегментация объекта на изображении по описанию на естественном языке
- Поиск и выделение объекта по сложному вопросу о сцене
- Выделение частей объектов на изображении
- Ответ с пояснением, почему выбранный объект соответствует запросу
- Многоходовый диалог о содержимом изображения с выдачей маски
Ограничения
Для модели не приведены конкретные ограничения качества; результаты сегментации зависят от понимания изображения и текстового запроса. Контекст ограничен 2048 токенами.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Автор не опубликовал карточку модели.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- LISAForCausalLM
- Ревизия весов
- 43c754e