無料GitHub で公開

image_text_matching_filter

图像文本匹配过滤器。过滤器将图像和文本之间的匹配分数保持在特定范围内。

本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到图像文本匹配过滤、图片文字匹配度、文图匹配检测、图像文本相关性过滤等需求时使用此skill。

cas-bigdatalab/piflow

インストール方法を見る

含まれるファイル（5）

SKILL.md4.4 KB
assets/icon.png28.1 KB
scripts/example_input.json312 B
scripts/run_image_text_matching_filter.py5.0 KB
skill.json3.2 KB

SKILL.md（原文）

インストールする前に、エージェントに与えられる指示の中身を確認できます。

功能概述

该算子使用BLIP模型计算图像与文本之间的匹配分数，过滤匹配分数在指定范围内的样本。支持多种过滤策略：

any: 任意一个匹配符合条件即保留
all: 所有匹配都符合条件才保留

核心参数

参数	类型	必填	默认值	说明
input_path	string	是	-	输入数据文件路径 (JSON/JSONL格式)
output_path	string	是	-	输出数据文件路径 (JSONL格式)
hf_blip	string	否	'Salesforce/blip-itm-base-coco'	HuggingFace上的BLIP模型
min_score	float	否	0.003	最小匹配分数
max_score	float	否	1.0	最大匹配分数
horizontal_flip	bool	否	False	是否水平翻转图像
vertical_flip	bool	否	False	是否垂直翻转图像
reduce_mode	string	否	'avg'	多图聚合模式：avg/max/min
any_or_all	string	否	'any'	过滤策略：'any' 或 'all'
num_proc	int	否	1	并行处理的进程数

输入数据格式

输入文件应为 JSON 或 JSONL 格式，每行包含一个样本，样本需包含 text 和 images 字段：

{"text": "<image>描述文本", "images": ["/path/to/image1.jpg"]}

注意：文本中需要使用 <image> 标记表示图像位置，如有多张图像可用 <eos> 分隔。

输出数据格式

输出为 JSONL 格式，每行一个符合条件的样本，包含 text 和 images 字段。

使用示例

命令行调用

python scripts/run_image_text_matching_filter.py \
  --input_path /path/to/input.jsonl \
  --output_path /path/to/output.jsonl \
  --min_score 0.003 \
  --max_score 1.0 \
  --reduce_mode avg \
  --any_or_all any

参数说明

--input_path: 输入文件路径
--output_path: 输出文件路径
--hf_blip: BLIP模型（默认：Salesforce/blip-itm-base-coco）
--min_score: 最小匹配分数（默认0.003）
--max_score: 最大匹配分数（默认1.0）
--horizontal_flip: 是否水平翻转图像
--vertical_flip: 是否垂直翻转图像
--reduce_mode: 多图聚合模式，默认avg
--any_or_all: 过滤策略，默认any
--num_proc: 并行进程数，默认1

注意事项

输入文件中的图像路径应为有效且可访问的文件路径
该算子使用BLIP模型计算图像文本匹配分数，首次运行会下载模型
依赖 torch 和 transformers，请确保已安装
处理大量数据时可适当增加 num_proc 提高效率

レビュー

まだレビューはありません。使ってみた感想をお寄せください。

ログインしてレビューを書く

同じリポジトリのスキル

概要と使いどころ