/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
11 июл 2026

scout-eccv-x-explora

ЭмбеддингиТекст → embedding3 профессии

SCOUT сопоставляет текстовые описания с видеопризнаками людей для поиска и повторной идентификации в видео.

40скачиваний за 30 дней0лайковвеса обновлены20 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SCOUT (Sim-to-real Contrastive Outlier Understanding via Text) — модель для поиска людей в видео по текстовому описанию, представленная в рамках работы для воркшопа ECCV 2026. Она строит сопоставимые эмбеддинги изображения и текста: видеопризнаки извлекаются из V-JEPA2 ViT-L/16, а текстовые — из CLIP ViT-L/14; поверх замороженных компонентов обучен предиктор, а X-encoder адаптирован частичной разморозкой блоков и LoRA. Репозиторий содержит обученные параметры и конфигурацию рецепта, но не веса замороженных базовых энкодеров, которые загружаются отдельно.

Модель предназначена для текстового поиска людей в видео и сценариев повторной идентификации между симуляцией и реальными данными, включая задачу AI City Challenge Track 4. В README приведены результаты на валидации: mAP@10 0,9297 и Hit@10 0,9948 для рекомендованного чекпойнта. Входы — изображения размером 384×384 и текстовые описания; выходы — L2-нормированные векторы признаков для сопоставления. Лицензия репозитория — Apache-2.0.

Сценарии применения

  • поиск человека в видео по текстовому описанию
  • текстовый поиск людей в наборах видеоданных
  • повторная идентификация людей между симулированными и реальными данными

Ограничения

Для загрузки модели требуются веса V-JEPA2 и текстового энкодера из отдельных источников; данный репозиторий содержит только обученные параметры SCOUT. В README описана оценка на валидации конкретной задачи, поэтому приведённые метрики не гарантируют качество на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

scout-eccv-x-explora

Part of SCOUT (Sim-to-real Contrastive Outlier Understanding via Text), an ECCV 2026 workshop paper on JEPA-based text-based person re-identification for the AI City Challenge Track 4 (Sim2Real). Code: https://github.com/abtraore/SCOUT-ECCV

Paper: SCOUT: Sim-to-Real Text-Based Person Retrieval by Embedding-Space Prediction over Frozen Video Features

The paper's best single-model result: y-clip-v17 recipe + ExPLoRA-adapted X-encoder (partial block unfreeze + LoRA r=32 on the frozen V-JEPA2 ViT-L/16, selected via an Auto-RGN sensitivity probe) on top of a frozen CLIP-ViT-L/14 text tower.

  • Val mAP@10: 0.9297
  • Val Hit@10: 0.9948
  • Trainable / total parameters: 635.4M / 1291.3M

RECOMMENDED default checkpoint. The only run in the paper that trains the X-encoder; a precision (R@1) gain that transferred to a board-champion result inside the full fusion system.

What's in this repo

Only the parameters SCOUT actually trained: a model.safetensors (trainable predictor weights, and for ExPLoRA/LoRA variants, the adapted encoder deltas) plus a config.json recording the exact recipe. Frozen backbone weights (V-JEPA2 from Meta, the text encoder from its own source) are not included here; they're downloaded from their own public sources at load time.

Usage

from scripts.load_from_hf import load_from_hf

model = load_from_hf("Abdrah/scout-eccv-x-explora").eval()
# model.encode_image(pixel_values)  # [B, 3, 384, 384] in [0, 1] -> [B, out_dim] L2-normalized
# model.encode_text(["a caption"])  # -> [B, out_dim] L2-normalized

Or drop it straight into the repo's own evaluation script:

uv run python scripts/local_eval.py --hf-repo Abdrah/scout-eccv-x-explora --pab-root /path/to/PAB --query-source val

License

Apache 2.0 (see the source repo's LICENSE/NOTICE). This checkpoint does not redistribute any frozen backbone weights, which carry their own upstream licenses.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
90bdb23

0 моделей