Peacockオープンソースアラビア語マルチモーダル大規模言語モデル - 無料デプロイでクロスモーダルアプリケーション体験をサポート

ホーム

Peacock

UBC-NLPによって開発

ピーコックモデルはInstructBLIPアーキテクチャに基づくアラビア語マルチモーダル大規模言語モデルで、言語モデルにはAraLLaMAを採用しています。

画像生成テキスト

PyTorch

アラビア語オープンソースライセンス:その他 #アラビア語マルチモーダル #画像キャプション生成 #InstructBLIPアーキテクチャ

ダウンロード数 73

リリース時間 : 8/14/2024

モデル概要

ピーコックモデルはアラビア語をサポートするマルチモーダル大規模言語モデルで、画像からテキストへの変換タスクを処理でき、特にアラビア語の画像キャプション生成に優れています。

モデル特徴

アラビア語マルチモーダルサポート

アラビア語専用に設計されたマルチモーダルモデルで、アラビア語の画像キャプションを理解・生成できます。

InstructBLIPアーキテクチャ採用

先進的なInstructBLIPアーキテクチャを採用し、視覚と言語処理能力を統合しています。

AraLLaMA言語モデル

言語モデルの基盤としてAraLLaMAを使用し、アラビア語処理能力を最適化しました。

モデル能力

画像キャプション生成

マルチモーダル理解

アラビア語テキスト生成

使用事例

コンテンツ生成

アラビア語画像キャプション

画像に対してアラビア語の詳細なキャプションを生成

アラビア語の文法と文化に合致した正確な記述を生成

支援技術

視覚支援

視覚障害者向けにアラビア語の画像説明を提供

視覚障害ユーザーが画像内容を理解するのを支援

🚀 🦚 ピーコック

🦚 ピーコックは、AraLLaMAを言語モデルとして使用するInstructBLIPベースのモデルです。このモデルは論文 Peacock: A Family of Arabic Multimodal Large Language Models and Benchmarks で紹介されました。

🚀 クイックスタート

このモデルの使用方法は以下の通りです。

基本的な使用法

# Usage is as follows:
from transformers import InstructBlipProcessor, InstructBlipForConditionalGeneration
import torch
from PIL import Image
import requests
model = InstructBlipForConditionalGeneration.from_pretrained("UBC-NLP/Peacock")
processor = InstructBlipProcessor.from_pretrained("UBC-NLP/Peacock")
device = "cuda" if torch.cuda.is_available() else "cpu"
model.to(device)
url = "https://upload.wikimedia.org/wikipedia/commons/8/83/Socotra_dragon_tree.JPG"
image = Image.open(requests.get(url, stream=True).raw).convert("RGB")
prompt = "اوصف الصوره"
inputs = processor(images=image, text=prompt, return_tensors="pt").to(device)
outputs = model.generate(
        **inputs,
        do_sample=False,
        num_beams=5,
        max_length=256,
        min_length=1,
        top_p=0.9,
        repetition_penalty=1.5,
        length_penalty=1.0,
        temperature=1,
)
generated_text = processor.batch_decode(outputs, skip_special_tokens=True)[0].strip()
print(generated_text)

📄 ライセンス

このモデルのライセンスは、otherです。

📚 ドキュメント

引用

このモデルを使用する場合は、以下の論文を引用してください。

@inproceedings{alwajih2024peacock,
  title = {Peacock: A Family of Arabic Multimodal Large Language Models and Benchmarks},
  author = {Alwajih, Fakhraddin and Nagoudi, El Moatez Billah and Bhatia, Gagan and Mohamed, Abdelrahman and Abdul-Mageed, Muhammad},
  booktitle = {Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)},
  pages = {12753--12776},
  year = {2024},
  address = {Bangkok, Thailand},
  publisher = {Association for Computational Linguistics},
  url = {https://aclanthology.org/2024.acl-long.689}
}