/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
florence2 · dense
Базовая модель
Florence-2-large-ft
Библиотека
transformers
Опубликована
9 июл 2024

florence-2-large-ft-moredetailed

Генерация текстаТекст → текст7 профессий

Дообученная Florence-2-large-ft для создания более подробных текстовых описаний изображений, в том числе пакетно.

44скачиваний за 30 дней16лайковвеса обновлены13 дек 2025

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 «Текст» — 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

yayayaaa/florence-2-large-ft-moredetailed — дообученная модель на основе microsoft/Florence-2-large-ft для получения более подробных текстовых описаний изображений. Она принимает изображение и генерирует текст; README показывает сценарии обработки одного изображения и пакетной обработки. Модель построена на архитектуре Florence-2 и распространяется в формате safetensors через Transformers.

Модель подходит для детального описания изображений и пакетной генерации подписей. README указывает, что на GPU с 24 ГБ видеопамяти можно использовать размер пакета до 28 изображений. Язык карточки — английский; лицензия — MIT. Базовая Florence-2-large-ft также предназначена для обнаружения объектов, OCR и ответов на вопросы по изображению, однако карточка этой производной модели не подтверждает отдельно качество этих задач.

Сценарии применения

  • создание подробных подписей к изображениям
  • генерация описаний для каталога изображений
  • пакетное описание изображений

Ограничения

README не приводит сравнительных оценок качества; возможность обработки пакета до 28 изображений указана для GPU с 24 ГБ видеопамяти.

Для каких профессий подходит7

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

Florence-2-large-ft trained on task MORE_DETAILED_CAPTION with imageinwords

Usage

Single Image

from PIL import Image
from transformers import AutoProcessor, AutoModelForCausalLM

name = "yayayaaa/florence-2-large-ft-moredetailed"
model = AutoModelForCausalLM.from_pretrained(name, trust_remote_code=True).to("cuda").eval()
processor = AutoProcessor.from_pretrained(name, trust_remote_code=True)

prompt = "<MORE_DETAILED_CAPTION>"
filename = 'test.jpg'
image = Image.open(filename).convert('RGB')

inputs = processor(text=prompt, images=image, return_tensors="pt").to("cuda")

generated_ids = model.generate(
    input_ids=inputs["input_ids"],
    pixel_values=inputs["pixel_values"],
    max_new_tokens=1024,
    do_sample=False,

)
print(processor.batch_decode(generated_ids, skip_special_tokens=True)[0])

Batch

Install accelerate for device_map

Can do batch_size=28 for 24GB VRAM

import sys
import torch
from tqdm import tqdm                                                                                                 
from pathlib import Path
from PIL import Image
from transformers import AutoProcessor, AutoModelForCausalLM
from torch.utils.data import Dataset, DataLoader
                                                           
task = "<MORE_DETAILED_CAPTION>"
name="yayayaaa/florence-2-large-ft-moredetailed"
model = AutoModelForCausalLM.from_pretrained(name, trust_remote_code=True, device_map="auto")
processor = AutoProcessor.from_pretrained(name, trust_remote_code=True, device_map="auto")

#model.language_model.generate = torch.compile(model.language_model.generate)

# BATCH SIZE
batch_size=28

directory = Path(sys.argv[1])                                                                                         
patterns = ['**/*.jpg', '**/*.jpeg', '**/*.png']
patterns += [p.upper() for p in patterns]
filenames = [str(fn) for pattern in patterns for fn in directory.glob(pattern)]

class Data(Dataset):
    def __init__(self, data):
        self.name="Data"
        self.data=data
                                                           
    def __len__(self):
        return len(self.data)
                                                           
    def __getitem__(self, idx):
        return self.data[idx]        

data = DataLoader(Data(filenames), batch_size=batch_size, num_workers=0, shuffle=False)

@torch.inference_mode()
def process_images(images):
    inputs = processor(text=[task]*len(images), images=images, return_tensors="pt").to("cuda")
    
    generated_ids = model.generate(
        input_ids=inputs["input_ids"],
        pixel_values=inputs["pixel_values"],
        max_new_tokens=1024,
        do_sample=False,
    )
    
    generated_texts = processor.batch_decode(generated_ids, skip_special_tokens=True)
    return generated_texts

for batch in tqdm(data):
    images = [Image.open(filename).convert("RGB") for filename in batch]

    generated_texts = process_images(images)
         
    for i, caption in enumerate(generated_texts):
        filename = Path(batch[i])
        #print(caption)
        with open(filename.with_suffix(".txt"), "w") as text_file:
            text_file.write(caption)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Florence2ForConditionalGeneration
Ревизия весов
1ad2a5f

0 моделей