Русская версия CLIP prefix caption, обученная на ruGPTSMALL + CLIP(OPENAI), можно использовать для VQA, image captioning и прочее. Модель работает <1c + ее можно эффективно квантануть/перенести в ONNX. Обучалось в течении 3х дней на 2*1080ti
Trained and validated on ruCOCO BLEU: 37.3
chrF: 32.4
ROUGE-1-F: 33.0
ROUGE-2-F: 14.1
ROUGE-L-F: 30.3
Пример кэпшенинга | Пример работы в zero shot |
THIS WORK IS BASED ON https://github.com/rmokady/CLIP_prefix_caption (english version)
@article{mokady2021clipcap,
title={ClipCap: CLIP Prefix for Image Captioning},
author={Mokady, Ron and Hertz, Amir and Bermano, Amit H},
journal={arXiv preprint arXiv:2111.09734},
year={2021}
}
@article{AlexWortega,
title={ruImage captioning},
author={Aleksandr Nikolic, Asta gpu server },
}
This repository is heavily based on CLIP and Hugging-faces repositories. For training we used the data of COCO dataset and Conceptual Captions translated by ALEX WORTEGA ruCOCO