Filmtitle Beit GPT2

🚀 画像キャプションモデル

このモデルは、ランダムな映画ポスターの中国語タイトルを生成するために使用されます。映画ポスターの画像から適切なタイトルを生成することで、映画に関する情報を提供する役割を果たします。

🚀 クイックスタート

このモデルを使用することで、映画ポスターの画像から中国語のタイトルを生成できます。以下に使用方法の概要を示します。

✨ 主な機能

• 映画ポスターの画像から中国語のタイトルを生成します。
• BEiT と GPT2 をベースに構築されています。

📦 インストール

このモデルを使用するには、transformers ライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

from transformers import VisionEncoderDecoderModel, ViTFeatureExtractor, AutoTokenizer
from PIL import Image

pretrained = "snzhang/FilmTitle-Beit-GPT2"
model = VisionEncoderDecoderModel.from_pretrained(pretrained)
feature_extractor = ViTFeatureExtractor.from_pretrained(pretrained)
tokenizer = AutoTokenizer.from_pretrained(pretrained)

image_path = "your image path"
image = Image.open(image_path)
if image.mode != "RGB":
        image = image.convert("RGB")
pixel_values = feature_extractor(images=image, return_tensors="pt").pixel_values

output_ids = model.generate(pixel_values, **gen_kwargs)
preds = tokenizer.batch_decode(output_ids, skip_special_tokens=True)
preds = [pred.strip() for pred in preds]
print(preds)

📚 ドキュメント

モデルの説明

このモデルは、映画ポスターの画像から中国語のタイトルを生成するために使用されます。BEiT と GPT2 をベースに構築されています。

学習データ

学習データは、Movie-Title-Post から収集された、5043枚の映画ポスターとそれに対応する中国語タイトルを含んでいます。

詳細情報

FilmTitle-Beit-GPT2 で、より詳細な学習情報を取得できます。

📄 ライセンス

このプロジェクトは、Apache-2.0ライセンスの下で公開されています。