Caption Generation Pipeline in MOSS-Image
维护者通常 1 天内回复
还没有人认领这个 Issue。
评估
- 难度
- 1/5
- 预计耗时
- 1 小时以内
- 新手友好度
- 25/100
- Issue 类型
- 文档
- 描述清晰度
- 描述清楚
- 活跃度
- 活跃
- 技术栈
- python
调研方向
Check the repository's caption generation documentation and annotation pipeline entry points for the Gemma4 prompt template, OCR handling, and model version. The issue is answered when those details are released; no specific files or tests are named in the payload.
由索引模型根据 Issue 内容生成。
描述
Hi, thanks for your great work！
I have two questions regarding the caption generation pipeline in MOSS-Image:
- Could you please release the prompt template used for caption generation with Gemma4?
- For images containing visible text during caption annotation: is the text transcription performed by an external standalone OCR tool (e.g. PaddleOCR), or solely handled by Gemma4’s native multimodal capability without separate OCR engine? Also, which specific variant/version of Gemma4 was used for this annotation task?
Thanks a lot.
- 主要语言
- Python
- 星标
- 1.4k
- 派生
- 68
- 平均合并
- 9 天 1 小时
- 30 天内合并 PR
- 1
环境准备
这个项目没有提供开发容器、Dockerfile 或贡献指南，环境需要你自己搭建：先看它的 README，通用步骤见我们的新手贡献指南。
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
OpenMOSS/MOSS-Image 的其他 Issue
-
Community project: hosted MOSS-Image studio with a visual JSON layout builder (no ComfyUI needed)未关闭
难度 1/5 1-3 小时 新手友好度 65/100
OpenMOSS/MOSS-Image#27 · 1 条评论 ·
维护者通常 1 天内回复
-
Apple Silicon (MPS): float64 timestep sinusoid fails — working 3-line fix可能已有人在做 关联的 PR 仍在进行中或已合并。 未关闭
难度 2/5 1-3 小时 新手友好度 85/100
OpenMOSS/MOSS-Image#23 ·
维护者通常 1 天内回复
-
难度 2/5 1-3 小时 新手友好度 66/100
OpenMOSS/MOSS-Image#10 · 1 条评论 ·
维护者通常 1 天内回复
-
难度 1/5 1 小时以内 新手友好度 45/100
OpenMOSS/MOSS-Image#28 ·
维护者通常 1 天内回复
-
MOSS video?未关闭
难度 5/5 一周以上 新手友好度 20/100
OpenMOSS/MOSS-Image#24 ·
维护者通常 1 天内回复
查看 OpenMOSS/MOSS-Image 的全部 Issue
相似的 Issue
-
filesystem: `file://C:/...` bucket_url is read as a UNC share named `C:` and silently lists no files未关闭
难度 2/5 1-3 小时 新手友好度 78/100
维护者通常 1 天内回复
-
comp/desktop desktop/shell os/windows P3 tool/file type/bug
难度 2/5 1-3 小时 新手友好度 76/100
NousResearch/hermes-agent#145928 ·
维护者通常 1 天内回复
-
integration:coding-agents
难度 1/5 1 小时以内 新手友好度 83/100
vectorize-io/hindsight#6151 ·
维护者通常 1 天内回复
-
bug
难度 2/5 1-3 小时 新手友好度 78/100
FormalLanguageConstrainedPathQuerying/FLPQ_Data#174 ·
维护者通常 1 天内回复
-
[VLM] granite_vision preset produces empty output and runs ~3× slower with Granite Vision 3.3-2B than with Granite Vision 4.1-4B可能已有人在做 @prassu017 今天认领。 未关闭bug
难度 2/5 1-3 小时 新手友好度 74/100
docling-project/docling#5068 · 4 条评论 ·
维护者通常 1 天内回复