All systems operationalAI Agent Automation Platform
English
Language简体中文EnglishSelected

Choose your language

VisME-Qwen25VL-7B

Christin/VisME-Qwen25VL-7B

PublisherChristin

Download access requirementsModelScope source

VisME (Qwen2.5-VL-7B) VisME 是我们 CVPR 2026 论文 *Illuminating Visual Identity in Universal Multimodal Embeddings* 提出的通用多模态嵌入模型。VisME 基于 Qwen2.5-VL-7B-Instruct 构建,可为图片、文本以及图文对生成稠密嵌入,在通用多模态基准(MMEB)和视觉 ID 检索(MVEB)上均有出色表现。

Vision & LanguageEmbedding & Retrieval
Model details

模型介绍

中文整理

VisME (Qwen2.5-VL-7B)

English 简体中文

VisME** 是我们 CVPR 2026 论文 *Illuminating Visual Identity in Universal Multimodal Embeddings* 提出的通用多模态嵌入模型。VisME 基于 Qwen2.5-VL-7B-Instruct 构建,可为图片、文本以及图文对生成稠密嵌入,在通用多模态基准(**MMEB**)和视觉 ID 检索(**MVEB**)上均有出色表现。

亮点

  • *ID 感知检索** —— 通过 MVEB 基准(4 类元任务、28 个测试子集)引入视觉 ID 监督进行训练。
  • *通用能力强** —— 在 **MMEB-v1** 与 **MVEB** 上联合训练,在标准 MMEB 任务上保持有竞争力的表现。

性能

下图为 **MMEB**(Cls / VQA / Ret / Grd)与 **MVEB**(ID-Rec / Re-ID / ID-Grd / ID-Edit)上的结果。指标与论文一致(各任务组内所有数据集的平均 Precision@1)。

训练数据

VisME 在以下数据的混合集上训练:

基准 作用

  • ----- ------
  • *MMEB-v1** 通用多模态嵌入任务(分类、VQA、检索、定位)
  • *MVEB** 覆盖识别、Re-ID、定位与编辑的视觉 ID 检索

MVEB** 数据集已开源,训练代码即将发布。

使用方法

评测

MMEB 与 MVEB 的基准评测代码**即将发布**。在此之前,完整的实验设置与基线请参见论文。

Quote

如果 VisME 或 MVEB 对您有帮助,请引用:

许可

本模型基于 Qwen2.5-VL-7B-Instruct 构建。请遵循基础模型以及训练所用各数据集的许可条款。

优先采用原作者提供的中文模型卡片;仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。

你将获得什么

完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件;指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖,请按作者说明配齐。

完整仓库可能包含多个权重格式,因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。

使用前须知

运行环境

运行模型需要的设备、工具与依赖,以原作者说明为准。

授权范围

是否允许商用、修改和分发,请查看模型许可证。

闲社提供资料与镜像下载方法,不代表已运行模型或完成安全审计。下载的代码应先检查,再执行。

Back to top