recognize-anything

מה זה

הממשק מציע שתי לשוניות עבודה נפרדות לפי המודל שמריצים. בלשונית הראשונה, Recognize Anything Model, מעלים קובץ תמונה ומקבלים שתי תיבות טקסט עם תגיות זיהוי, אחת באנגלית והשנייה בסינית.

בלשונית השנייה, Tag2Text, אפשר להעלות תמונה ולהוסיף תגיות ידניות משלכם שמופרדות בפסיקים. הפלט מחזיר תיוג סופי יחד עם תיאור טקסטואלי מלא של מה שמופיע בצילום. מאחורי הקלעים הקוד משתמש במודלים של Tag2Text ושל RAM, ונעזר במודלי שפה כמו bert-base-uncased ו־roberta-base לצורך עיבוד הטקסט.

מתאים ל

• חילוץ תגיות מתמונות

  מעלים צילום ומקבלים רשימת מושגים באנגלית ובסינית שמזהים את הפריטים שמופיעים בו.

• יצירת תיאור לתמונה

  מזינים תמונה בלשונית של Tag2Text ומפיקים משפט תיאור אוטומטי של הסצנה.

• הכוונת תיוג לפי מילים

  כותבים תגיות רצויות מראש ומקבלים תיאור מותאם שמשלב אותן עם מה שהמודל זיהה.

איפה זה נופל

הבעיה המיידית היא שהאפליקציה שבורה ולא נטענת בגלל שגיאת בנייה. מעבר לזה, השם מזכיר את Grounded-SAM ופילוח עצמים, אבל הממשק עצמו מוציא רק רשימות מילים ותיאור טקסט, בלי סימון גבולות על התמונה ובלי קואורדינטות. הפלט מוגבל לאנגלית ולסינית בלבד, כך שאין שום תמיכה בעברית. המעבד הבסיסי לא יסחב עומס של קבצים כבדים.

איך משתמשים

טוענים תמונה מהמחשב לאחת משתי הלשוניות, מזינים תגיות עזר אם בחרתם בלשונית השנייה, ולוחצים על Run. הממשק כולל דוגמאות מובנות מראש עם תוצאות שמורות בזיכרון המטמון. בפועל, האפליקציה נמצאת כרגע במצב שגיאת בנייה ולא תרוץ בדפדפן עד שיתקנו אותה. החומרה שהוקצתה לה היא מעבד בסיסי בלבד, כך שגם כשהיא פועלת, זיהוי תמונות חדשות לוקח זמן ולא קורה ברגע.

הרישיון

הקוד מפורסם תחת רישיון MIT, שמאפשר שימוש חופשי, שינוי והפצה, גם לפרויקטים מסחריים. לגבי התמונות שאתם מעלים, הממשק רץ בשרת של Hugging Face וכל מידע שעובר שם חשוף לתנאי הפלטפורמה.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗