ZigZeug/git-wolof-captioning

🤖 GIT-Base Captioning en Wolof (ZigZeug)

Ce modèle est basé sur microsoft/git-base et a été adapté pour générer automatiquement des légendes d’images en wolof.

Il intègre :

• 🧠 Un modèle AutoModelForCausalLM dérivé de GIT-Base
• 🧾 Un tokenizer Byte-Level BPE entraîné sur un corpus wolof
• 🖼️ Le préprocesseur image original de GIT
• 🔄 Un processor combiné pour traiter image + texte (format Hugging Face)

---

📦 Contenu du repo

• config.json : config du modèle adapté
• pytorch_model.bin : poids du modèle GIT avec vocabulaire wolof
• tokenizer_config.json, vocab.json, merges.txt : tokenizer Wolof
• preprocessor_config.json : paramètres image/text du processor
• README.md : documentation complète

---

🌍 Langue ciblée

Wolof
Code ISO 639-3 : wol_Latn

Corpus de légendes COCO traduites à la main ou via un pipeline semi-automatisé.

---

💡 Exemple d'utilisation

from transformers import AutoProcessor, AutoModelForCausalLM
from PIL import Image
import torch

# Chargement
processor = AutoProcessor.from_pretrained("ZigZeug/git-wolof-captioning")
model = AutoModelForCausalLM.from_pretrained("ZigZeug/git-wolof-captioning")

# Image d'entrée
image = Image.open("chemin/vers/image.jpg").convert("RGB")

# Inference
inputs = processor(images=image, return_tensors="pt").to("cuda" if torch.cuda.is_available() else "cpu")
generated_ids = model.generate(pixel_values=inputs["pixel_values"], max_length=50)
caption = processor.tokenizer.decode(generated_ids[0], skip_special_tokens=True)

print("📝 Caption en Wolof :", caption)