OFA图像描述-英文-通用领域-6B
根据用户输入的任意图片,AI智能创作模型写出“一句话描述”,可用于图像标签和图像简介。
  • 模型资讯
  • 模型资料

OFA-图像描述(英文)

News

  • 2022年11月:
    • 发布ModelScope 1.0版本,以下能力请使用1.0.2及以上版本。
    • 新增OFA Tutorial

图像描述是什么?

如果你希望为一张图片配上一句文字,或者打个标签,OFA模型就是你的绝佳选择。你只需要输入任意1张你的图片,很快你就能收获一段精准的描述。

本系列还有如下模型,欢迎试用:

快速玩起来

玩转OFA只需区区以下6行代码,就是如此轻松!如果你觉得还不够方便,请点击右上角Notebook按钮,我们为你提供了配备了的环境,CPU和GPU都支持哦,你只需要在notebook里输入提供的代码,就可以把OFA玩起来了!
注:因为本模型参数量大小6B,所以需要显存大于40G的GPU机器。

donuts

from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
from modelscope.outputs import OutputKeys

img_captioning = pipeline(Tasks.image_captioning, model='damo/ofa_image-caption_coco_6b_en', model_revision='v1.0.0')
result = img_captioning('https://shuangqing-public.oss-cn-zhangjiakou.aliyuncs.com/donuts.jpg')
print(result[OutputKeys.CAPTION]) # 

OFA是什么?

OFA(One-For-All)是通用多模态预训练模型,使用简单的序列到序列的学习框架统一模态(跨模态、视觉、语言等模态)和任务(如图片生成、视觉定位、图片描述、图片分类、文本生成等),详见我们发表于ICML 2022的论文:OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework,以及我们的官方Github仓库https://github.com/OFA-Sys/OFA





Github  |  Paper   |  Blog



OFA模型规模:

ModelParams-enParams-zhBackboneHidden sizeIntermediate sizeNum. of headsEnc layersDec layers
OFATiny33M-ResNet502561024444
OFAMedium93M-ResNet1015122048844
OFABase180M160MResNet10176830721266
OFALarge470M440MResNet15210244096161212
OFAHuge930M-ResNet15212805120162412
OFA6B6B-ViT-huge256010240323624

为什么OFA是图像描述的最佳选择?

OFA在图像描述(image captioning)任务的权威数据集Microsoft COCO Captions官方榜单成功登顶(6B模型还在优化中,目前没有测试集的分)想看榜单,点这里),并在经典测试集Karpathy test split取得CIDEr 154.9的分数。具体如下:

StageCross Entropy OptimizationCIDEr Optimization
MetricBLEU-4METEORCIDErSPICEBLEU-4METEORCIDErSPICE
OFABase41.030.9138.224.242.831.7146.725.8
OFALarge42.431.5142.224.543.632.2150.726.2
OFAHuge43.931.8145.324.844.932.5154.926.6

模型训练流程

训练数据介绍

本模型训练数据集是MS COCO Caption。

训练流程

finetune能力请参考OFA Tutorial 1.4节。

模型局限性以及可能的偏差

训练数据集自身有局限,有可能产生一些偏差,请用户自行评测后决定如何使用。

相关论文以及引用

如果你觉得OFA好用,喜欢我们的工作,欢迎引用:

@article{wang2022ofa,
  author    = {Peng Wang and
               An Yang and
               Rui Men and
               Junyang Lin and
               Shuai Bai and
               Zhikang Li and
               Jianxin Ma and
               Chang Zhou and
               Jingren Zhou and
               Hongxia Yang},
  title     = {OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence
               Learning Framework},
  journal   = {CoRR},
  volume    = {abs/2202.03052},
  year      = {2022}
}