К содержимому
Другое

ViCoR

распознавание и проверка химических формул с изображений

2 мин чтенияобновлено

Набор чекпоинтов для локального распознавания изображений молекул и преобразования их в машиночитаемые форматы. В состав входят две модели: molscribe.pth (распознаватель MolScribe, превращающий картинку в молекулярный граф) и vicor/ — файнтюн на базе мультимодальной модели Qwen2.5-VL-3B-Instruct, который проверяет и редактирует полученные графы. На выходе система сохраняет итоговый граф, историю раундов проверки, строковое представление SMILES (если структура однозначна) и файл molfile. Решение пригодится химикам, биоинформатикам и разработчикам для оцифровки научных статей и баз данных.

Ключевые особенности

  • Двухэтапный пайплайн: связка распознавателя MolScribe и VLM-верификатора на базе Qwen2.5-VL-3B-Instruct, которые загружаются последовательно.
  • Готовые веса: директория vicor/ содержит уже объединённые (merged) веса, токенизатор и промпты — отдельная базовая модель или адаптеры не требуются.
  • Контроль целостности: в репозиторий включены манифест размеров weights_manifest.json и контрольные суммы SHA256SUMS для проверки файлов.
  • Пошаговая верификация: пайплайн сохраняет не только финальный результат, но и ответы модели на каждом раунде проверки и правки графа.

Что можно сделать

  • Оцифровывать отдельные изображения химических структур в форматы SMILES и molfile для дальнейшего анализа.
  • Запускать пакетную рекурсивную обработку целых папок с картинками молекул из научных публикаций или архивов.
  • Отслеживать и отлаживать ошибки распознавания сложных структур по сохранённым логам раундов редактирования.

Пример

python -m vicor.download --repo-id anonymous-vicor/ViCoR --output weights
python -m vicor.doctor --weights-dir weights --verify-checksums
python -m vicor --input examples/molecule.png --output outputs/single --weights-dir weights
python -m vicor --input examples/images --output outputs/batch --weights-dir weights --recursive
ПодробнееОбщий размер чекпоинтов составляет около 7.9 ГБ; протестировано на Linux с Python 3.11, PyTorch 2.10.0, Transformers 5.2.0 и видеокартой RTX 3090 (24 ГБ VRAM).
Ограничения: возможны сбои при распознавании рукописных структур, стрелок механизмов реакций и символических меток (для символьных групп SMILES может быть пустым при сохранении графа).
Лицензии: компонент ViCoR распространяется по Qwen Research License (некоммерческое использование), компонент MolScribe — по Apache-2.0.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 7.0 GB · готовые файлы8.2 GB
  • FP8 / INT8рекомендуемвеса 3.5 GB4.3 GB
  • 4-bitвеса 2.0 GB2.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 3080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # anonymous-vicor/ViCoR
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download anonymous-vicor/ViCoR --local-dir ~/models/ViCoR
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ViCoR
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Qwen/Qwen2.5-VL-3B-Instruct

Новые посты про версии Qwen2.5-VL-3B-Instruct — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 7Все на Hugging Face

О модели

anonymous-vicor/ViCoR
Автор
anonymous-vicor
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

PySparkQwen

PySparkQwen
Языковые модели

Spellguard-1.0-8B

Spellguard-1.0-8B