jabberjabberjabber/ImageIndexer

해결하는 문제

LLMII는 대규모 이미지 컬렉션에 수동으로 레이블을 지정하고 인덱싱하는 문제를 해결하기 위해 설계되었습니다. 캡션과 키워드를 수동으로 입력하는 대신, 로컬 시각 언어 모델을 사용하여 디렉토리 트리 내 이미지에 대한 설명적 메타데이터를 자동으로 생성하므로, 표준 메타데이터 호환 도구를 사용하여 이미지를 검색하고 정리할 수 있습니다.

작동 방식

이 도구는 KoboldCpp를 통해 사용자의 로컬 머신에서 시각 언어 모델(VLM)을 실행합니다. 이미지를 분석하여 각 파일에 대한 키워드 목록과 캡션을 생성합니다. 이 정보는 ExifTool을 사용하여 이미지의 메타데이터에 직접 기록되거나 사이드카 XMP 파일에 저장됩니다. 파일 재처리를 방지하기 위해 도구는 특정 메타데이터 필드(Identifier 및 Status)를 사용하여 각 이미지의 처리 상태를 추적합니다.

대상 사용자

클라우드 서비스나 외부 데이터베이스에 의존하지 않고 이미지 태깅 및 캡션 생성을 자동화하고자 하며, 데이터와 처리를 완전히 로컬로 유지하고자 하는 사진작가 및 디지털 자산 관리자에게 적합합니다.

주요 특징

• 로컬 AI 처리: 프라이버시를 보장하고 클라우드 의존성을 없애기 위해 GPU 가속(Apple Metal, Nvidia CUDA 또는 AMD Vulkan)을 사용하여 기기에서 완전히 작동합니다.
• 메타데이터 통합: 일반적인 메타데이터 필드(MWG:Keyword, MWG:Description)에 기록하며, 해시된 파일에 대한 사이드카 파일을 지원합니다.
• 다양한 포맷 지원: 주요 RAW 카메라 파일을 포함한 광범위한 이미지 포맷과 호환됩니다.
• 높은 구성 가능성: 샘플러 옵션(temperature, top_p, top_k), 이미지 크기 및 키워드 정리 규칙(예: 단수형 변환)에 대해 세부적인 제어를 제공합니다.
• 크로스 플랫폼: Windows, macOS (ARM) 및 Linux에서 작동합니다.