vlm_object_understanding

מה זה

אתם מעלים תמונה, בוחרים קטגוריית משימה כמו זיהוי עצמים, הצבעה על נקודה, תיאור או שאילתה חופשית, ומקבלים השוואה חזותית וטקסטואלית בין שני מודלים שונים. המערכת מציגה בכל צד את התמונה המסומנת בתיבות או נקודות יחד עם התשובה המילולית שנוצרה.

מאחורי הקלעים רצים Qwen3-VL-4B-Instruct לצד moondream3-preview, תוך שימוש בספריית supervision כדי לצייר את הסימונים ישירות על גבי הפלט. דוגמאות הממשק מציעות משימות כמו ספירת מכוניות, תיאור כללי של תמונה, או משימות איתור והצבעה ממוקדות על אובייקטים.

מתאים ל

• השוואת ביצועי ראייה

  בדיקת ההבדלים בין מודל Qwen לבין Moondream על אותה תמונה.

• איתור עצמים בתמונה

  סימון תיבות תוחמות סביב אובייקטים ספציפיים לפי בקשת טקסט.

• מענה ויזואלי לשאלות

  ספירת פריטים או קבלת תיאור מילולי מפורט של מה שמופיע בתמונה.

איפה זה נופל

אם תשכחו להעלות תמונה או להזין טקסט, הממשק פשוט יזרוק שגיאה ולא ינסה לנחש למה התכוונתם. שני המודלים המוצגים קומפקטיים למדי, כך שהם עלולים לפספס אובייקטים מורכבים או צפופים, וההדגמה מוגבלת רק לתבניות ולמשימות שהוגדרו מראש בקוד מבלי לאפשר כוונון של פרמטרי יצירה.

איך משתמשים

טוענים תמונה בצד שמאל, בוחרים קטגוריה, כותבים הנחיה או בוחרים מבין ההצעות, ולוחצים על כפתור ההשוואה. הריצה מתבצעת על מעבד גרפי מדגם A10G דרך תשתית ZeroGPU, כך שהעיבוד מהיר אבל עשוי לדרוש המתנה קצרה אם הכרטיס מוקצה למשתמש אחר באותו רגע. אין צורך בהתחברות או בהרשמה מראש כדי להריץ את הדוגמאות או תמונות שלכם.

הרישיון

הקוד מופץ תחת רישיון apache-2.0 שמאפשר שימוש חופשי, שינוי והפצה. התמונות שאתם מעלים והפלטים שנוצרים מעובדים בזמן אמת בשרת ואינם מוגדרים כנשמרים על פי הקוד.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗