/ Модель

Характеристики

Контекст
128 токенов
Параметры
18,9 млн
Лицензия
CC BY 4.0
Архитектура
transformer · dense
Опубликована
4 окт 2026

grad-visual-question-answering

Вопросы по изображениюИзображение, текст → текст

Производная модели Atharv-kumar/visual-question-answering. Исследовательские заметки о визуальных вопросах и ответах с планом оценки на VQAv2, GQA и OK-VQA, без выпущенного обученного чекпойнта.

21скачиваний за 30 дней0лайковвеса обновлены4 окт 2026

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

Карточка модели yamamotoren/grad-visual-question-answering на Hugging Face совпадает с карточкой Atharv-kumar/visual-question-answering, поэтому описание составлено по ней.

Atharv-kumar/visual-question-answering — это репозиторий исследовательских заметок по визуальным вопросам и ответам (VQA), а не готовая обученная модель. В карточке Hugging Face указаны задача visual-question-answering, архитектурная категория transformer и 9,4 млн параметров, однако README прямо сообщает, что обученный чекпойнт не выпущен; поэтому эти метаданные сами по себе не подтверждают наличие пригодной для запуска модели.

Материалы описывают план сравнения с базовыми подходами и оценку на VQAv2, GQA и OK-VQA, а также возможные факторы, проверки воспроизводимости и открытые вопросы. Репозиторий предназначен для изучения и планирования экспериментов по ответам на вопросы об изображениях; завершённые эксперименты и улучшения метрик не заявлены. Лицензия — CC BY 4.0.

Сценарии применения

  • изучение постановки задачи визуальных вопросов и ответов
  • планирование сравнения VQA-подходов на VQAv2
  • подготовка оценки ответов об изображениях на GQA
  • изучение сценариев вопросов об изображениях из OK-VQA
  • проверка воспроизводимости экспериментов по VQA

Ограничения

README указывает, что это исследовательские заметки: обученный чекпойнт, код и завершённые эксперименты не заявлены. Метаданные указывают 9,4 млн параметров и контекст 256 токенов, но README не подтверждает, что доступна исполняемая модель.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Notes on Visual Question Answering

Repository summary

A structured set of research notes on Visual Question Answering, with concrete evaluation references and open questions. Plans and hypotheses are kept separate from completed results.

What is covered

  • the scope of the research question and likely confounders
  • a proposed comparison with matched baselines
  • concrete evaluation context such as VQAv2, GQA, and OK-VQA
  • reproducibility checks, failure modes, and open questions
  • topic-relevant references

How to read this repository

Start with paper_notes.md for the full note. Sections labeled as plans or hypotheses should not be interpreted as experimental results. If results are added later, they should include dataset versions, commands, seeds, hardware, and raw logs.

Scope and limitations

The note is intentionally exploratory. It does not claim benchmark improvements, completed ablations, released code, or a trained checkpoint. References and proposed datasets provide a starting point for verification rather than evidence that the study has already been run.

Files

  • paper_notes.md — primary artifact
  • README.md — this documentation

License

Released under cc-by-4.0. Review the source-data terms separately when this repository is used with external datasets.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура transformer неизвестна transformers в образе рантайма.

Класс архитектуры
CustomResearchModel
Ревизия весов
7db933a

0 моделей