Laya Vision

Laya Vision

一次前向传播就回答关于图像的是非题、选择题和按评分标准打分的问题，不生成文字。它在 CPU 上运行一个 201M 的小型检查点，适合视觉研究人员和开发者。

由 thaitea 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Laya Vision 回答关于图像的结构化问题。它能处理经过校准的是非题、选择题和按评分标准给出的分数。它只做一次前向传播，不生成文字，在 CPU 上用一个小型视觉语言检查点完成。

适合谁：适合想对图像快速做一次经过校准的判断、而不要自由文字的视觉研究人员和开发者。研究小型视觉语言模型的人也适合。

Title: 谁在对图像提结构化问题
Industry | Who uses it | How they use it | Example
研究 | 视觉语言研究人员 | 测试小模型在图像上经过校准的回答 | 问一个是非题，读校准后的结果
软件 | 开发者 | 给流水线加一个快速的图像检查 | 检查一张图像是否满足某个是非条件
内容审核 | 审核员 | 按评分标准给图像打分 | 用 score 模式给一张图片评分
教育 | 学生 | 看一个剪裁过的模型如何回答问题 | 用 choice 为一张图像选出正确选项

如果你想要对图像的长篇文字描述，可以跳过它，因为这个模型不生成文字。

用在哪里：

• 网页浏览器：这个 Space 在 Hugging Face 上运行，无需安装任何东西
• 你自己的电脑，在 Windows、macOS 或 Linux 上运行 Python 3.12

Use case | Who | What they get back
对图像问一个是非题 | 开发者 | 一个经过校准的回答
为图像在几个选项里做选择 | 研究人员 | 模型选出的那个选项
按评分标准给图像打分 | 审核员 | 一个按评分标准给出的分数

如何设置：

• Python 3.12 和 pip
• requirements.txt 里的 Python 包

1. 安装 Hugging Face hub 包，并把这个 Space 下载到一个文件夹。
2. 进入这个文件夹。
3. 安装 Gradio 6.28.0，再安装 requirements.txt 里的包。
4. 用 Python 启动应用。

pip install -U huggingface_hub
hf download thaitea/laya-vision-demo --repo-type space --local-dir laya-vision-demo
cd laya-vision-demo
pip install gradio==6.28.0
pip install -r requirements.txt
python app.py

如何使用：在浏览器里打开这个 Space，或者用下面的命令启动本地副本，再打开 Gradio 提供的页面。给它一张图像，选三种问题类型之一，然后提出你的问题。

python app.py

Tool | What it does
noul | 回答关于图像的、经过校准的是非题
choice | 回答关于图像的选择题
score | 按评分标准给图像打分

示例：你给它一张猫的照片，用是非模式问图里有没有猫。它只用一次传播就返回一个经过校准的“是”或“否”，不写任何文字。

新手与专家：如果你刚接触这类工具，打开这个 Space，先用示例照片试试是非模式。然后在同一张图片上试试 choice 和 score 模式。

如果你熟悉这个领域，这个 Space 运行的是固定了版本的 thaitea/laya-vision，一个把 SmolVLM-256M 的 30 个语言层剪到 20 层得到的 201M 检查点。它在 The Cauldron、四个带评分标准的数据集和游戏画面上训练。版本固定在 app.py 里，所以结果可以重复。代价是一个小模型在 CPU 上回答很快，但不能写文字。

你给它一张图像和一个问题
在 CPU 上做一次前向传播
返回经过校准的回答或分数

注意事项：

• 硬件：这个 Space 在 Hugging Face 上用 cpu-basic 运行
• 固定的模型：版本通过 LAYA_REVISION 固定在 app.py 里
• 示例照片：署名为 Alvesgaspar，遵循 CC BY-SA 3.0
• License: cc-by-nc-sa-4
• Cost to run: none named
• Not for: 写文字，因为没有文字生成；也不适合商业用途，因为许可证是非商业的

Hugging Face 上的数据（2026年11月13日）

• 点赞：10
• 构建方式：gradio
• 许可证：cc-by-nc-sa-4.0

链接

• Space：https://huggingface.co/spaces/thaitea/laya-vision-demo
• 文件：https://huggingface.co/spaces/thaitea/laya-vision-demo/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。