VLMEvalKit入门指南 - 开源大规模视觉语言模型评估工具包

RayRay
VLMEvalKit评估工具包大型视觉语言模型多模态数据集开源Github开源项目

VLMEvalKit

VLMEvalKit简介

VLMEvalKit是一个由开源贡献者开发的大规模视觉语言模型(LVLM)评估工具包。它具有以下主要特点:

  • 支持对约100种视觉语言模型进行评估,包括API模型和开源PyTorch/Hugging Face模型
  • 提供40多个基准数据集,涵盖图像理解、视频理解等多个任务
  • 采用基于生成的评估方法,并提供精确匹配和基于LLM的答案提取两种评估模式
  • 一键式评估,无需繁琐的数据准备工作
  • 支持自定义基准和模型,易于扩展

主要功能

  1. 支持的视觉语言模型

VLMEvalKit支持多种类型的视觉语言模型:

  • API模型:如GPT-4v、Gemini Pro Vision等
  • 开源PyTorch/HF模型:如IDEFICS、LLaVA、MiniGPT-4等
  • 支持多模态输入的模型(标记为🎞️)
  • 即插即用的模型(标记为🚅)
  1. 提供的基准数据集

工具包提供了丰富的基准数据集,包括:

  • 图像理解:MMBench、MME、SEEDBench等
  • 视频理解:MMBench-Video、Video-MME等
  • 涵盖多选题、是非题、视觉问答等多种任务类型
  1. 评估方法

VLMEvalKit采用基于生成的评估方法,并提供两种模式:

  • 精确匹配:直接从模型输出中匹配答案
  • 基于LLM的答案提取:使用判断型LLM从模型输出中提取答案

快速开始

  1. 安装
git clone https://github.com/open-compass/VLMEvalKit.git cd VLMEvalKit pip install -e .
  1. 配置模型

vlmeval/config.py中配置需要评估的模型。

  1. 运行评估

使用run.py脚本进行评估:

python run.py --data MMBench_DEV_EN MME --model qwen_vl_chat --verbose

开发指南

VLMEvalKit支持自定义基准和模型。开发者只需实现一个generate_inner()函数,即可将新模型集成到评估框架中。

更多开发细节请参考开发指南

总结

VLMEvalKit为视觉语言模型的评估提供了一个强大而灵活的开源工具包。无论是研究人员还是开发者,都可以利用它来方便地评估各种LVLM模型的性能。我们鼓励社区贡献更多的基准和模型实现,共同推动视觉语言模型技术的发展。

编辑推荐精选

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

聊天机器人AI助手热门AI工具AI对话
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多