Amoral Gemma3 12B Vision

🚀 gghfez/amoral-gemma3-12B-vision

本项目是在soob3123/amoral-gemma3-12B的基础上重新连接了视觉编码器，可用于图像相关的推理任务。

🚀 快速开始

本项目基于transformers库，使用soob3123/amoral-gemma3-12B作为基础模型，许可证为gemma。以下是相关信息表格：

💻 使用示例

基础用法

from transformers import AutoProcessor, Gemma3ForConditionalGeneration
from PIL import Image
import requests
import torch

model_id = "gghfez/amoral-gemma3-12B-vision"
model = Gemma3ForConditionalGeneration.from_pretrained(
    model_id, device_map="auto"
).eval()

processor = AutoProcessor.from_pretrained(model_id)

messages = [
    {
        "role": "system",
        "content": [{"type": "text", "text": "You are a helpful assistant."}]
    },
    {
        "role": "user",
        "content": [
            {"type": "image", "image": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/bee.jpg"},
            {"type": "text", "text": "Describe this image in detail."}
        ]
    }
]

inputs = processor.apply_chat_template(
    messages, add_generation_prompt=True, tokenize=True,
    return_dict=True, return_tensors="pt"
).to(model.device, dtype=torch.bfloat16)

input_len = inputs["input_ids"].shape[-1]

with torch.inference_mode():
    generation = model.generate(**inputs, max_new_tokens=500, do_sample=False)
    generation = generation[0][input_len:]

decoded = processor.decode(generation, skip_special_tokens=True)
print(decoded)

输出示例

以下是对图像的详细描述：

整体印象：这张图片是一个生机勃勃的花园场景特写，聚焦于粉色的大波斯菊和一只忙碌的大黄蜂。画面构图平衡，花朵和蜜蜂作为主要元素，以绿色植物和其他花卉为背景。

花朵：画面主要聚焦于粉色的大波斯菊。它们有着精致且略带褶皱的粉色花瓣，花蕊呈明亮的黄色。有些花朵正盛开着，而有些则已过花期，花瓣干枯或枯萎。花朵簇拥在一起，营造出一种繁茂而自然的美感。

大黄蜂：一只大黄蜂醒目地停在一朵大波斯菊上。它位于画面中心，正积极地采集花蜜或花粉。这只蜜蜂有着毛茸茸的黑黄相间的身体，由于它在移动，翅膀显得有些模糊。

背景：背景是一片绿色的枝叶，包括大叶子和小植物。背景中还有一些干枯或褪色的花朵，为画面增添了质感和层次感。右下角可以看到几朵红色的花，为画面增添了一抹亮色。

光线与色彩：画面采光良好，自然光洒在场景上。色彩鲜艳饱满，尤其是大波斯菊的粉色和大黄蜂的黄色。整体效果给人一种温暖而充满活力的感觉。

我也用其他图像进行了测试，我很喜欢测试结果！它比google/gemma-3-12b-it的输出详细得多。