llama.cpp b11851 讓 LFM2 影像縮放與 torchvision 對齊
llama.cpp 新建置 b11851 中,LFM2、LFM2-VL 與 d1-omni 的影像預處理(雙線性與雙三次縮放)改為與 torchvision 輸出一致,此前 Pillow 移植版在約 1%(d1-omni、LFM2.5-VL)和約 0.25%(d1-3B)的裁剪畫素值上偏差 1–2 級。
原標題:b11851
閱讀原文
| 評分 | 42 / 40(平均 41,門檻 60) |
|---|---|
| 狀態 | 未入選 |
原文
相關報導
llama.cpp b11774 修復 LFM2 影像預處理,切片與網格對齊 transformers
llama.cpp 新建置 b11774 修正了 LFM2 系列視覺模型(LFM2-VL、LFM2.5-VL、d1-3B)的 mtmd 影像預處理,使切片與網格選擇與 Hugging Face transformers 一致。此前 llama.cpp 保留寬高比並補黑邊、只有 d1-omni 會拉伸,影像比例與網格不符時切片與 transformers 不同;現在設 PAD_NONE 即與 transformers 相同。
llama.cpp b11747 讓 mtmd 對齊 Qwen-VL 影像縮放
llama.cpp 發布 b11747 建置,核心改動是讓 mtmd 的多模態預處理與 transformers 的 Qwen-VL resize 行為保持一致,避免同一張圖片在兩邊得到不同的縮放與切圖結果。
llama.cpp b11808:dflash 支援可選 FC 輸入縮放
llama.cpp 發布建置 b11808,主要改動是 dflash 支援載入可選的 FC 輸入縮放(#30945),該改動由 Codex 協助完成。本版照例提供各平台預編譯包,覆蓋 macOS/iOS、Linux(含 CUDA 12/13、ROCm 10.0、Vulkan、SYCL、OpenVINO)、Windows、Android 與 openEuler,Snapdragon 平台同時支援 CPU、Adreno GPU 與 Hexagon NPU。
llama.cpp:LightOnOCR 預設改用原生解析度
llama.cpp 的多模態模組 mtmd 更新:LightOnOCR 不再要求影像最長邊固定為 1540,預設使用原生解析度,對應 PR #30600,提交標註 Assisted-by: Codex。
llama.cpp 改為從 GGUF 後設資料讀取 LFM2-VL 切圖引數
llama.cpp 新建置 b11767 讓 LFM2-VL 的影像切分引數改由 GGUF 後設資料決定,不再寫死在程式碼裡。轉換 LFM2-VL mmproj 時會把 processor_config.json 中的 min_tiles、max_tiles、tile_size 和 max_pixels_tolerance 寫入模型,clip.cpp 讀取這些值,缺失時回退到原有常量。