ホームへ戻る

GitHub Repo

Transformers、PaddleOCR-VLの読み込み経路に互換性の問題を確認 モデル側の設定更新待ち

11月15日の報告によると、PaddleOCR-VL-1.6は指定したAutoクラスで読み込む際、ネイティブモデルとリモート設定が混在してクラッシュする可能性がある。翌日、Transformersのメンバーがこの解析経路を確認し、モデル作者と更新に向けて調整中だと明らかにした。

Marcus Qwertyus · Public domain · Image source
zh-Hant

Transformersのプロジェクトメンバーは11月16日、PaddleOCR-VL-1.6の読み込み経路の一つで、ネイティブのモデル実装とリモート設定が組み合わさり、初期化に失敗すると確認した。前日に投稿された報告では、Transformers 5.17.0、Windows 11、PyTorch 2.12.1を使用していた。trust_remote_code=Trueを設定しても、AutoModelForImageTextToTextで読み込むと、rope_parametersが見つからないという例外が発生したという。問題の報告とメンバーの返信

原因は、チェックポイントのauto_mapに上記のタスククラスが記載されていないことにある。報告者とプロジェクトメンバーの説明によると、そのためローダーはTransformers内蔵のPaddleOCR-VLモデルを選ぶ一方、設定にはリモートコード由来のものが使われ、両者の互換性が取れていなかった。このためモデルの構築中にエラーが発生し、呼び出し方からは実際にどちらの実装が動いているのか判断しにくくなっている。解析経路の説明

この不整合は、公開されている使用例にも直接関わる。モデルカードでは現在も、AutoProcessorとAutoModelForImageTextToTextを組み合わせ、Transformers 5をインストールする方法が示されている。また、同カードによると、この例は要素レベルの認識とテキストの位置特定に対応し、ページレベルの文書解析には公式の推論方法が推奨されている。したがって、今回の報告から、すべてのPaddleOCRのデプロイに影響があると結論づけることはできない。公式モデルカード

報告者によると、auto_mapに記載されているAutoModelForCausalLMを使い、リモートコードの実行を許可すると、同じページのOCRは正常に完了した。これは投稿者が検証した暫定的な回避策だ。プロジェクトメンバーは作者に連絡済みで、ネイティブ統合を採用するか、不足しているタスククラスのマッピングを追加するか、回答を待っていると述べた。確認時点で、議論では修正完了は発表されていない。対応状況

文書認識サービスのエンジニアリングチームにとって、これはモデルチェックポイントのバージョン、パッケージのバージョン、Autoクラスを合わせて読み込み検証に含める必要性を示している。今後はモデル側の設定が更新されるか、文書の使用例が実際の解析経路と一致するかを確認する必要がある。現時点の証拠だけでは、他のバージョンへの影響範囲は特定できない。

出典

  1. PaddleOCR-VL AutoModelForImageTextToText 載入問題 #50770
  2. PaddleOCR-VL-1.6 官方模型卡與 Transformers 使用範例