🚀 xGen-MM模型介绍

xGen-MM 是Salesforce AI Research开发的一系列最新基础大型多模态模型（LMMs）。该系列在 BLIP 系列的成功设计基础上进行了改进，融入了基础增强功能，确保了更强大、更卓越的基础。这些模型在高质量图像字幕数据集和交错的图像 - 文本数据上进行了大规模训练。

在2024年8月发布的v1.5版本中，我们推出了一系列XGen-MM模型，包括：

• 🤖 xGen-MM-instruct-interleave（我们的主要指令模型）：xgen-mm-phi3-mini-instruct-interleave-r-v1.5
  • 该模型在单图像和多图像基准测试中，整体得分均高于 xGen-MM-instruct。
• 🤖 xGen-MM-base：xgen-mm-phi3-mini-base-r-v1.5
• 🤖 xGen-MM-instruct：xgen-mm-phi3-mini-instruct-singleimg-r-v1.5
• 🤖 xGen-MM-instruct-dpo：xgen-mm-phi3-mini-instruct-dpo-r-v1.5

更多详细信息，请查看我们的 技术报告、微调代码 和项目页面（即将推出）。

✨ 主要特性

• 先进的架构：基于 BLIP 系列的成功设计，进行了基础增强，提供更强大的多模态处理能力。
• 大规模训练：在高质量图像字幕数据集和交错的图像 - 文本数据上进行了大规模训练。
• 多模型选择：提供多种不同类型的模型，以满足不同的应用需求。

📊 模型结果

单图像基准测试

* GPT - 4V（gpt - 4 - 1106 - preview）的结果取自这个第三方 排行榜。
** 模型结果使用我们的评估代码进行测试，以进行公平比较。

💻 使用示例

请查看我们的 推理笔记本 以获取使用我们模型的示例代码。我们还提供了 批量推理 的示例脚本。

🔍 可重复性

我们的评估基于 open - compass/VLMEvalKit 实现。我们将向该仓库提交一个PR，以支持XGen - MM评估。

⚠️ 偏差、风险、局限性和伦理考量

主要数据来源来自互联网，包括网页、图像素材网站和研究社区发布的精选数据集。由于已知的CSAM问题，我们排除了某些数据，如LAION。 模型可能受到原始数据源的偏差影响，以及大语言模型和商业API的偏差影响。 我们强烈建议用户在应用于下游应用之前评估安全性和公平性。

📜 伦理考量

此版本仅用于支持学术论文的研究目的。我们的模型、数据集和代码并非专门为所有下游目的而设计或评估。我们强烈建议用户在部署此模型之前评估并解决与准确性、安全性和公平性相关的潜在问题。我们鼓励用户考虑人工智能的常见局限性，遵守适用法律，并在选择用例时采用最佳实践，特别是在错误或滥用可能对人们的生活、权利或安全产生重大影响的高风险场景中。有关用例的更多指导，请参考我们的AUP和AI AUP。

📄 许可证

我们的代码和权重根据 Apache 2.0 许可证发布。

🙏 代码致谢

我们的训练代码基于 OpenFlamingo：用于训练大型多模态模型的开源框架。，部分数据预处理代码改编自 LLaVA。 指令模型的评估代码基于 VLMEvalKit：大型视觉 - 语言模型（LVLMs）的开源评估工具包。

感谢作者们的开源实现。

📚 引用

@misc{blip3-xgenmm,
  author          = {Le Xue, Manli Shu, Anas Awadalla, Jun Wang, An Yan, Senthil Purushwalkam, Honglu Zhou, Viraj Prabhu, Yutong Dai, Michael S Ryoo, Shrikant Kendre, Jieyu Zhang, Can Qin, Shu Zhang, Chia-Chih Chen, Ning Yu, Juntao Tan, Tulika Manoj Awalgaonkar, Shelby Heinecke, Huan Wang, Yejin Choi, Ludwig Schmidt, Zeyuan Chen, Silvio Savarese, Juan Carlos Niebles, Caiming Xiong, Ran Xu},
  title           = {xGen-MM (BLIP-3): A Family of Open Large Multimodal Models},
  year            = {2024},
  eprint          = {2408.08872},
  archivePrefix   = {arXiv},
  primaryClass    = {cs.CV},
  url             = {https://arxiv.org/abs/2408.08872}, 
}

🛠️ 故障排除

1. 如果您缺少任何软件包，请考虑以下操作：

pip install torch==2.2.1 torchvision==0.17.1 torchaudio==2.2.1 --index-url https://download.pytorch.org/whl/cu121
pip install open_clip_torch==2.24.0
pip install einops
pip install einops-exts
pip install transformers==4.41.1