/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
11 июл 2026

scout-eccv-y-clip-v17

ЭмбеддингиТекст → embedding3 профессии

Контрастивная JEPA-модель SCOUT кодирует изображения и текст в общее векторное пространство для текстового поиска людей по изображениям.

27скачиваний за 30 дней0лайковвеса обновлены11 июл 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

Abdrah/scout-eccv-y-clip-v17 — часть проекта SCOUT (Sim-to-real Contrastive Outlier Understanding via Text), разработанного для исследования текстового поиска людей по изображениям в задаче AI City Challenge Track 4 Sim2Real. Модель использует подход JEPA и обучена контрастивно; в этой версии замороженный текстовый энкодер на базе CLIP ViT-L/14 заменяет EmbeddingGemma-300M. Это этап инициализации LP-FT stage 1 для x_explora и один из компонентов объединённой системы SCOUT.

Модель кодирует изображения и текст в L2-нормализованные векторы общего пространства, пригодные для сопоставления и поиска. В README приведены результаты на валидации: mAP@10 0,8932 и Hit@10 0,9908; обучаемы 549,6 млн из 1 281,9 млн параметров. Репозиторий содержит обученные параметры и конфигурацию рецепта, а замороженные веса V-JEPA2 и текстового энкодера загружаются из отдельных публичных источников. Лицензия — Apache-2.0.

Сценарии применения

  • поиск человека на изображениях по текстовому описанию
  • сопоставление текстовых описаний с изображениями людей
  • извлечение векторов изображений для поиска по сходству
  • извлечение векторов текста для кросс-модального поиска
  • оценка текстово-визуального соответствия в задаче person re-identification

Ограничения

Модель предназначена для сценария текстового поиска людей и не является универсальной моделью для произвольного визуального поиска. Для загрузки требуются веса замороженных энкодеров из отдельных источников; в репозитории SCOUT они не включены.

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-y-clip-v17

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

v17 recipe with the frozen Y-encoder swapped from EmbeddingGemma-300M to a CLIP-ViT-L/14 text tower. The best frozen-Y-encoder result in the paper's Y-encoder ablation.

  • Val mAP@10: 0.8932
  • Val Hit@10: 0.9908
  • Trainable / total parameters: 549.6M / 1281.9M

LP-FT stage-1 initialization for x_explora. A fusion member of the paper's headline board 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-y-clip-v17").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-y-clip-v17 --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
41fec5c

0 моделей