Project Icon

multimodal-maestro

多模态AI模型控制与高效提示策略框架

multimodal-maestro是一个开源框架,旨在增强对大型多模态AI模型的控制能力。该项目提供先进的提示策略,使模型能够执行复杂的视觉理解任务。支持图像标注、掩码生成等功能,并具有简洁的API设计。multimodal-maestro能够充分发挥GPT-4V等多模态模型的潜力,实现更精准的视觉分析和处理。

多模态大师


版本 许可证 Python版本 Gradio Colab

👋 您好

多模态大师让您对大型多模态模型有更多控制,以获得您想要的输出。通过更有效的提示策略,您可以让多模态模型完成您不知道(或不认为)可能的任务。想知道它是如何工作的吗?试试我们的HF空间

💻 安装

⚠️ 我们的包已更名为maestro。请在3.11>=Python>=3.8环境中安装该包。

pip install maestro

🔌 API

🚧 项目仍在建设中。重新设计的API即将推出。

maestro-docs-Snap

🧑‍🍳 提示技巧手册

描述Colab
使用多模态大师提示LMMColab
手动标注一张图像,让GPT-4V标注所有图像Colab

🚀 示例

找到狗。

>>> 狗在图像中央显著位置,标记为[9]。
👉 阅读更多
  • 加载图像

    import cv2
    
    image = cv2.imread("...")
    
  • 创建和优化标记

    import maestro
    
    generator = maestro.SegmentAnythingMarkGenerator(device='cuda')
    marks = generator.generate(image=image)
    marks = maestro.refine_marks(marks=marks)
    
  • 可视化标记

    mark_visualizer = maestro.MarkVisualizer()
    marked_image = mark_visualizer.visualize(image=image, marks=marks)
    

    image-vs-marked-image

  • 提示

    prompt = "找到狗。"
    
    response = maestro.prompt_image(api_key=api_key, image=marked_image, prompt=prompt)
    
    >>> "狗在图像中央显著位置,标记为[9]。"
    
  • 提取相关标记

    masks = maestro.extract_relevant_masks(text=response, detections=refined_marks)
    
    >>> {'6': array([
    ...     [False, False, False, ..., False, False, False],
    ...     [False, False, False, ..., False, False, False],
    ...     [False, False, False, ..., False, False, False],
    ...     ...,
    ...     [ True,  True,  True, ..., False, False, False],
    ...     [ True,  True,  True, ..., False, False, False],
    ...     [ True,  True,  True, ..., False, False, False]])
    ... }
    

multimodal-maestro

🚧 路线图

  • 重写maestro API。
  • 更新HF空间
  • 文档页面。
  • 添加GroundingDINO提示策略。
  • CovVLM演示。
  • Qwen-VL演示。

💜 致谢

🦸 贡献

我们非常欢迎您帮助我们使这个仓库变得更好!如果您发现任何错误,或者有任何改进建议,请随时开启一个 issue或提交一个 pull request

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号