library_name: transformers tags:

• 多模态
• 通义千问 license: apache-2.0 language:
• 英文 base_model:
• Qwen/Qwen2.5-VL-7B-Instruct pipeline_tag: 图像文本转文本

Qwen2.5-VL-7B-Captioner-Relaxed

模型介绍

Qwen2.5-VL-7B-Captioner-Relaxed是基于Qwen/Qwen2.5-VL-7B-Instruct微调的指令版本，这是一个先进的多模态大语言模型。**本模型是Ertugrul/Qwen2-VL-7B-Captioner-Relaxed的升级版，采用Qwen2.5基础模型重新训练。**该微调版本基于手工整理的数据集，专为文生图模型优化，能生成更详尽的图像描述。模型建立在改进的Qwen2.5架构之上。

核心特性：

• 细节增强：生成更全面细致的图像描述
• 宽松约束：相比基础模型提供限制更少的图像描述
• 自然语言输出：用自然语言描述图像中不同主体及其位置关系
• 文生图优化：生成与先进文生图模型兼容的标注格式
• 升级基础模型：利用Qwen2.5架构改进，可能带来更好的整体性能和理解能力

注意：本微调模型专为创建文生图数据集优化，在其他任务上的表现可能逊于原始模型。

环境要求

若遇到KeyError: 'qwen2_vl'或ImportError: cannot import name 'Qwen2VLForConditionalGeneration' from 'transformers'错误，请尝试从源码安装最新版transformers库：

pip install git+https://github.com/huggingface/transformers accelerate

快速使用

import torch
from PIL import Image
from transformers import (
    AutoModelForImageTextToText,
    AutoProcessor
)