Skip to content
BH-Language-AIPublic

About

BH-Vision: vizuelni AI za bosanski i Balkan. Faza: istrazivanje.

Resources

Code of conduct

Contributing

Stars

0 stars

Watchers

0 watching

Forks

Repository files navigation

BH-Vision banner

License: Apache-2.0 Python 3.10+ HF Collection Faza CI

👁️ BH-Vision

Vizuelni AI za bosanski jezik i Balkan — slike, dokumenti, OCR, chartovi, video. Prvi bosanski vision-language projekat: adaptacija otvorenih VLM-ova (SmolVLM2, Idefics3, Pixtral) na bosanski — sa čćdžšđ, ijekavicom i domaćim dokumentima.

Status: Faza 0/1 — istraživanje i temelji. Model kartice su placeholderi bez težina; težine se objavljuju tek nakon odobrenog treninga i verificirane evaluacije.

🗺️ Gdje je šta

Šta Gdje
🤗 Modeli (bh-vision-1-2b/8b/12b) HF kolekcija BH-Vision
📦 Trening set (bs-vision-train-v03, 2179 uzoraka) HF dataset
🧪 Held-out eval (prazan placeholder) HF dataset
📖 Odluke, registar, roadmap BH-LANGUAGE-AI (interni plan)

🚀 Brzi start

pip install -e ".[train]"   # torch, transformers==5.22.2, trl, peft (pinovano!)
make doctor                 # suha provjera
python scripts/make_synth_bs.py              # regeneriši sintetički set
python training/train.py --config configs/smo2b-qlora.yaml --train data/synth3/train.jsonl --out releases/adapter-v01 --quant none

⚠️ Trening troši GPU — samo uz odobrenje. Prvi smoke (T4, 20 koraka) prošao; evidencija u docs/TRAINING.md.

📚 Dokumenti

  • docs/PROJECT_CHARTER.md — misija, jezici (bs primarno, ijekavica), moduli
  • docs/ARCHITECTURE.md — Arch A (adaptacija postojećeg VLM-a), 2B + 8B (+12B opcionalno), vision adapter odvojen od tekstualnog frameworka
  • docs/MODELS.md — EU kandidati s licencama
  • docs/DATASETS.md — registar + praznine za bosanski + vlastiti setovi (v03 aktuelan)
  • docs/TRAINING.md — smoke rezultati, baseline 7/10, pinovane verzije
  • slurm/ — LUMI job skripte (dev-g, MI250X, bf16)
  • kaggle-*/ — Kaggle kereneli (smoke, trening, eval)

🧭 Ključne odluke

  1. Fiksne 2B/4B/7B nisu opravdane — cilj: 2B (SmolVLM2) + 8B (Idefics3), 12B (Pixtral) opcionalno.
  2. Kratkoročno samo adaptacija postojećeg VLM-a; spajanje na BH-LLM-Basic tek kad backbone postoji.
  3. Bosanski OCR ne postoji javno — vlastiti sintetički trening + held-out eval; proxy XM3600-hr + postocr-sr.
  4. transformers==5.22.2 pin — novije verzije lome SmolVLM2 merge.

🤝 Kontakt

  • E-mail: xnetba@gmail.com
  • Organizacija: BH-Language-AI (Kolektiv d.o.o. × Gamatrade d.o.o.)
  • Pravila: vanjski resursi se referenciraju, ne kopiraju; objave težina/podataka samo uz odobrenje.

About

BH-Vision: vizuelni AI za bosanski i Balkan. Faza: istrazivanje.

Resources

Code of conduct

Contributing

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages