/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
8,3 млрд
Размер весов
25 ГБ
Лицензия
Своя лицензия
Опубликована
10 дек 2024

VisionReward-Video

Генерация текстаТекст → текст3 профессии

VisionReward-Video — модель CogVLM2 Video для оценки качества и предсказания человеческих предпочтений по сгенерированным видео.

1 502скачиваний за 30 дней9лайковвеса обновлены1 янв 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

VisionReward-Video — модель Z.ai на базе архитектуры CogVLM2 Video с 8,3 млрд параметров. Она предназначена для оценки предпочтений людей по сгенерированным видео: анализирует динамические характеристики ролика и формирует интерпретируемую оценку по нескольким измерениям качества и предпочтений.

Модель также описана как часть подхода VisionReward для согласования моделей генерации изображений и видео с человеческими предпочтениями. В исследовании авторов VisionReward-Video превзошла VideoScore на 17,2% в предсказании предпочтений видео. Репозиторий содержит веса Safetensors; заявлены чат-возможности и контекст длиной 2048 токенов. В метаданных указан английский язык.

Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория. Модель предназначена для оценки видео и не является генератором видео; результаты отражают предсказание предпочтений и не заменяют человеческую оценку.

Сценарии применения

  • оценка качества сгенерированных видео
  • ранжирование вариантов видео по ожидаемым предпочтениям зрителей
  • предсказание человеческих предпочтений для видеоконтента
  • анализ динамических характеристик видео при оценке

Ограничения

Модель оценивает и предсказывает предпочтения, но не генерирует видео; предсказанные оценки не заменяют человеческую экспертизу. Лицензия указана как other, поэтому условия коммерческого и иного использования требуют проверки в репозитории.

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

VisionReward-Video

Introduction

We present VisionReward, a general strategy to aligning visual generation models——both image and video generation——with human preferences through a fine-grainedand multi-dimensional framework. We decompose human preferences in images and videos into multiple dimensions,each represented by a series of judgment questions, linearly weighted and summed to an interpretable and accuratescore. To address the challenges of video quality assess-ment, we systematically analyze various dynamic features of videos, which helps VisionReward surpass VideoScore by 17.2% and achieve top performance for video preference prediction. Here, we present the model of VisionReward-Video.

Using this model

You can quickly install the Python package dependencies and run model inference in our github.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
CogVLMVideoForCausalLM
Ревизия весов
f60e47a

0 моделей