InternLM выпустила компактные модели CapRL для генерации подписей к изображениям

Команда InternLM представила две новые модели для создания текстовых подписей к изображениям – CapRL-3B и CapRL-Eval-3B. Эти модели демонстрируют производительность, сопоставимую с гораздо более крупной Qwen2.5-VL-72B, что делает их привлекательным выбором для разработчиков, которым нужны эффективные и компактные решения.

Ключевым преимуществом CapRL-моделей является способность качественно анализировать сложные визуальные данные. Они особенно эффективны при создании подписей для диаграмм, инфографики, документов и других структурированных изображений, где важны контекст, точность и логика описания.

Модели были обучены с использованием reinforcement learning и системы проверяемых наград, что позволяет генерировать разнообразные и осмысленные подписи, точно соответствующие содержанию изображения. Такой подход позволяет моделям не только описывать, но и интерпретировать визуальные объекты, что повышает их ценность для аналитики, образования и автоматической документации.

Важным преимуществом является лицензия Apache 2.0, предоставляющая широкие возможности для коммерческого и исследовательского использования. Компании и разработчики могут интегрировать CapRL-3B и CapRL-Eval-3B в свои продукты без ограничений, а также дообучать и адаптировать модели под конкретные задачи.

Появление подобных решений доказывает, что правильно обученные компактные модели могут быть не менее мощными, чем крупные системы. Это делает генерацию подписей к изображениям доступнее, экономичнее и удобнее для широкого спектра применений – от автоматической разметки данных до создания интеллектуальных поисковых систем.