Direct image input via PIL instead of Base64

オープン
#2,078 コメント 0 件 リアクション 1 件 担当者 0 名 GitHub で見る

メンテナーはふだん 1 日以内に返信

まだ誰も着手していません。

評価

難易度
3/5
見積もり時間
1〜2日
初心者へのやさしさ
45/100
issue の種類
機能追加
明瞭さ
おおむね明確
活発さ
停滞
技術スタック
python
領域
api, backend

調査の方向性

コードベース内の画像入力処理コードを調査します。おそらくモデル推論または API レイヤーの周辺です。現在 Base64 のエンコード/デコードが行われている箇所を見つけます。PIL の画像を基盤となる llama.cpp C++ バインディングに直接渡す方法を調査します。既存の画像処理テストを確認して、インターフェースを理解します。「完了」とは、API が PIL Image オブジェクトまたはファイルパスを受け取り、Base64 によるメモリオーバーヘッドなしで処理することを意味します。

索引モデルが issue の本文から書いたものです。

説明

Describe the solution you'd like

Support for PIL library image input (path) instead of Base64 encoding.
For example, when using models with transformers library, I provide images this way img = Image.open(path).convert("RGB") which isn't an additional 33% increase of memory overhead like it is with Base64.

Describe alternatives you've considered

I am currently using llama.cpp CLI version to process images in batch using GGUF models but I'd rather prefer this functionality here as well.

主要言語
Python
スター
10.7k
フォーク
1.5k
平均マージ
1時間 40分
マージ済み PR(30日)
5

環境構築

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

abetlen/llama-cpp-python のほかの issue

abetlen/llama-cpp-python の issue をすべて見る

似ている issue

Python の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。