Internvl2 5 HiMTok 8B

🚀 HiMTok: 大規模マルチモーダルモデルによる画像セグメンテーションのための階層的マスクトークンの学習

このプロジェクトは、大規模マルチモーダルモデルを用いて画像セグメンテーションを行うための手法を提案しています。HiMTokは、階層的マスクトークンを学習することで、高精度な画像セグメンテーションを実現します。

📚 詳細ドキュメント

このモデルは、InternVL2_5-HiMTok-8Bモデルをrefcocoシリーズの学習データセットでファインチューニングしたものです。

引用情報

もしこのプロジェクトがあなたの研究に役立った場合は、以下の文献を引用してください。

@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}
}

📄 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。

モデル情報