当前位置：首页 > news >正文

LFM2.5-VL-1.6B实操手册：如何用PIL调整输入图尺寸适配512x512分块要求

news 2026/4/23 20:39:39

LFM2.5-VL-1.6B实操手册：如何用PIL调整输入图尺寸适配512x512分块要求

1. 模型概述

LFM2.5-VL-1.6B是由Liquid AI开发的轻量级多模态大模型，专为端侧和边缘设备设计。该模型结合了1.2B参数的语言模型和约400M参数的视觉模型，能够在低显存环境下实现快速响应。

1.1 核心特点

轻量化设计：仅1.6B参数，适合资源受限环境
多模态能力：同时处理图像和文本输入
高效推理：在RTX 4090 D上仅占用约3GB显存
高分辨率支持：通过512x512分块处理大尺寸图片

2. 图片尺寸调整的必要性

LFM2.5-VL-1.6B采用512x512分块机制处理输入图片，这意味着任何尺寸的图片都会被分割成多个512x512的区块进行处理。为了获得最佳效果，我们需要在输入前对图片进行适当调整。

2.1 为什么要调整图片尺寸

保持比例：避免图片在分块过程中被强制拉伸变形
优化性能：减少不必要的计算量
提升质量：确保每个分块都能包含有意义的视觉信息
节省显存：控制单次处理的图片数据量

3. 使用PIL调整图片尺寸

Python Imaging Library (PIL) 是处理图片的常用工具，下面详细介绍如何使用PIL准备适合LFM2.5-VL-1.6B的输入图片。

3.1 基础调整方法

from PIL import Image def resize_image(input_path, output_path, target_size=512): """ 基础图片调整函数 :param input_path: 输入图片路径 :param output_path: 输出图片路径 :param target_size: 目标尺寸(默认512) """ with Image.open(input_path) as img: # 转换为RGB模式(确保3通道) img = img.convert('RGB') # 计算新尺寸(保持宽高比) width, height = img.size ratio = min(target_size/width, target_size/height) new_size = (int(width*ratio), int(height*ratio)) # 高质量调整尺寸 resized_img = img.resize(new_size, Image.LANCZOS) resized_img.save(output_path)

3.2 高级调整策略

对于更复杂的场景，我们可以采用以下策略：

def smart_resize(input_path, output_path, target_size=512, padding_color=(0, 0, 0)): """ 智能调整图片尺寸(保持比例并填充不足部分) :param padding_color: 填充颜色(RGB元组) """ with Image.open(input_path) as img: img = img.convert('RGB') width, height = img.size # 计算缩放比例 ratio = min(target_size/width, target_size/height) new_width, new_height = int(width*ratio), int(height*ratio) # 调整尺寸 resized_img = img.resize((new_width, new_height), Image.LANCZOS) # 创建新图片并填充 new_img = Image.new('RGB', (target_size, target_size), padding_color) offset = ((target_size - new_width) // 2, (target_size - new_height) // 2) new_img.paste(resized_img, offset) new_img.save(output_path)

4. 实际应用示例

4.1 为LFM2.5-VL-1.6B准备图片

以下是将调整图片尺寸与模型调用结合的完整示例：

from PIL import Image from transformers import AutoProcessor, AutoModelForImageTextToText MODEL_PATH = "/root/ai-models/LiquidAI/LFM2___5-VL-1___6B" def prepare_and_process_image(image_path, question): # 1. 调整图片尺寸 with Image.open(image_path) as img: img = img.convert('RGB') width, height = img.size ratio = min(512/width, 512/height) new_size = (int(width*ratio), int(height*ratio)) resized_img = img.resize(new_size, Image.LANCZOS) # 2. 加载模型 processor = AutoProcessor.from_pretrained(MODEL_PATH, trust_remote_code=True) model = AutoModelForImageTextToText.from_pretrained( MODEL_PATH, device_map="auto", dtype=torch.bfloat16, trust_remote_code=True ) model.eval() # 3. 构建对话 conversation = [ { "role": "user", "content": [ {"type": "image", "image": resized_img}, {"type": "text", "text": question} ] } ] # 4. 生成回复 text = processor.apply_chat_template( conversation, add_generation_prompt=True, tokenize=False, ) inputs = processor.tokenizer( text, return_tensors="pt", padding=True, truncation=True, max_length=2048, ) inputs = {k: v.to(model.device) for k, v in inputs.items()} with torch.no_grad(): outputs = model.generate( **inputs, max_new_tokens=256, temperature=0.1, min_p=0.15, do_sample=True, ) return processor.batch_decode(outputs, skip_special_tokens=True)[0].strip()

4.2 批量处理图片

如果需要处理多张图片，可以使用以下方法：

import os def batch_process_images(image_dir, output_dir, questions): # 确保输出目录存在 os.makedirs(output_dir, exist_ok=True) # 处理目录中所有图片 for filename in os.listdir(image_dir): if filename.lower().endswith(('.png', '.jpg', '.jpeg')): input_path = os.path.join(image_dir, filename) output_path = os.path.join(output_dir, filename) # 调整尺寸 resize_image(input_path, output_path) # 对每张图片回答所有问题 for question in questions: answer = prepare_and_process_image(output_path, question) print(f"图片: {filename}, 问题: {question}, 回答: {answer}")