/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
17,5 ГБ
Лицензия
Apache 2.0
Архитектура
internvl_chat · dense
Базовая модель
InternVL2_5-8B
Опубликована
20 мар 2025

InternVL2_5-HiMTok-8B

Генерация текстаТекст → текст3 профессии

Дообученная мультимодальная InternVL2.5-8B для сегментации объектов на изображениях по текстовым запросам.

23скачиваний за 30 дней5лайковвеса обновлены20 мар 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

InternVL2_5-HiMTok-8B — мультимодальная модель для сегментации изображений, разработанная авторами проекта HiMTok на основе дообучения OpenGVLab/InternVL2_5-8B на обучающей части серии датасетов RefCOCO. Она предназначена для сегментации объектов на изображении по текстовому описанию или запросу и формирует маски с использованием иерархических mask-токенов. Архитектура основана на InternVL2.5-8B; в репозитории указаны веса Safetensors. Модель подходит для экспериментов с сегментацией по выражениям и диалоговым взаимодействием с изображениями. Лицензия — Apache-2.0.

Сценарии применения

  • выделение маской объекта по текстовому описанию на изображении
  • сегментация объектов по выражениям RefCOCO
  • уточнение целевого объекта в диалоге об изображении

Ограничения

Обучение указано только на обучающей части серии RefCOCO, поэтому качество на других наборах данных и сценариях может отличаться. В карточке не приведены количественные результаты оценки.

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

HiMTok: Learning Hierarchical Mask Tokens for Image Segmentation with Large Multimodal Model

[📂 GitHub] [📜 Paper]

This is InternVL2_5-HiMTok-8B model fine-tuned on the refcoco series train dataset.

If you find this project useful in your research, please consider citing:

@article{wang2025himtok,
  title={HiMTok: Learning Hierarchical Mask Tokens for Image Segmentation with Large Multimodal Model},
  author={Wang, Tao and Cheng, Changxu and Wang, Lingfeng and Chen, Senda and Zhao, Wuyue},
  journal={arXiv preprint arXiv:2503.13026},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
InternVLWithHiMTok
Ревизия весов
7dd8c7d

0 моделей