/ Модель

Характеристики

Лицензия
MIT
Библиотека
transformers
Опубликована
8 июл 2026

AnySat-transformers

ЭмбеддингиТекст → embedding

AnySat — преобразованная для Transformers мультимодальная модель, извлекающая признаки из спутниковых и аэросъёмочных данных разных модальностей, разрешений и дат.

0скачиваний за 30 дней0лайковвеса обновлены8 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

AnySat — мультимодальная фундаментальная модель для извлечения признаков из данных наблюдения Земли, разработанная авторами AnySat. BiliSakura преобразовала официальные веса GeoPlex-pretrained в формат, совместимый с Hugging Face Transformers; в репозитории доступен базовый энкодер anysat-base с размерностью эмбеддинга 768, шестью слоями и двенадцатью головами внимания.

Модель обрабатывает 11 модальностей спутниковых и аэросъёмочных данных, включая временные ряды с датчиковыми наблюдениями, и адаптируется к разным разрешениям. Она выдаёт глобальные и патчевые векторы признаков, а также плотные карты признаков, подходящие как основа для сегментации и других задач анализа Земли. Временные ряды требуют дат съёмки, изображения должны быть квадратными, а входные данные при включённой нормализации необходимо нормировать по статистикам соответствующей модальности.

Веса распространяются по лицензии MIT. Для загрузки модели через пользовательский код Transformers в README указан параметр trust_remote_code=True.

Сценарии применения

  • Получение эмбеддингов спутниковых снимков для поиска похожих участков
  • Извлечение признаков из временных рядов спутниковых наблюдений
  • Подготовка плотных карт признаков для сегментации земной поверхности
  • Объединение данных Sentinel-1 и Sentinel-2 в общем представлении
  • Анализ аэросъёмки и данных разных сенсоров наблюдения Земли

Ограничения

Для временных рядов необходимо передавать даты наблюдений; изображения должны быть квадратными. При включённой нормализации входы требуется нормировать с использованием статистик соответствующей модальности.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AnySat Transformers Models

Hugging Face–compatible checkpoints converted from the official AnySat GeoPlex-pretrained weights. Each subfolder is a standalone model repo (config.json, model.safetensors, processor, pipeline, and remote code) for multimodal Earth observation feature extraction.

Model Description

AnySat is a scale-adaptive, multimodal Earth Observation foundation model supporting 11 sensor modalities (aerial, Sentinel-1/2, Landsat, MODIS, etc.) at variable resolutions. The anysat-base checkpoint is the published base encoder (768-dim, 6 layers, 12 heads).

All hyperparameters live in config.json and preprocessor_config.json — Python remote code does not embed global defaults.

Developed by: AnySat Authors
Converted for Hugging Face by: BiliSakura
License (weights): MIT
Original paper: AnySat: One Earth Observation Model for Many Resolutions, Scales, and Modalities (CVPR 2025 Highlight)

Available checkpoints

FolderSizeEmbed dimDepthHeadsModalities
anysat-basebase76861211

Legacy source: models/raw/AnySat_full.pth (see conversion_manifest.json).

Usage

Inputs must be normalized (data - mean) / std per modality when normalize=True in the processor. Set normalization_stats in preprocessor_config.json for your dataset statistics.

Custom pipeline (recommended)

from transformers import pipeline
import numpy as np

MODEL = "/path/to/AnySat-transformers/anysat-base"

pipe = pipeline(
    task="anysat-feature-extraction",
    model=MODEL,
    trust_remote_code=True,
)

# Sentinel-2 time series: (B, T, C, H, W)
s2 = np.random.randn(1, 4, 10, 32, 32).astype(np.float32)
dates = np.array([[100, 120, 140, 160]])

# Tile features (CLS token)
features = pipe(s2=s2, s2_dates=dates, patch_size=10, pool=True, return_tensors=True)
print(features.shape)  # torch.Size([1, 768])

# Patch features
patch_features = pipe(s2=s2, s2_dates=dates, patch_size=10, output="patch", return_tensors=True)
print(patch_features.shape)  # torch.Size([1, 1024, 768])

Multimodal example

pipe = pipeline(task="anysat-feature-extraction", model=MODEL, trust_remote_code=True)

s2 = np.random.randn(1, 4, 10, 32, 32).astype(np.float32)
s1 = np.random.randn(1, 4, 3, 32, 32).astype(np.float32)
features = pipe(
    s2=s2,
    s2_dates=np.array([[100, 120, 140, 160]]),
    s1=s1,
    s1_dates=np.array([[100, 120, 140, 160]]),
    patch_size=10,
    pool=True,
    return_tensors=True,
)

Built-in ImageFeatureExtractionPipeline

AnySatModel returns BaseModelOutputWithPooling, so the registered image-feature-extraction task also works:

pipe = pipeline(
    task="image-feature-extraction",
    model=MODEL,
    trust_remote_code=True,
)

Supported modalities

KeyTypeChannelsResolution
aerialimage40.2 m
aerial-flairimage50.2 m
spotimage31 m
naipimage41.25 m
s2time series1010 m
s1-asc, s1time series2–310 m
l7, l8time series6–1110–30 m
alostime series330 m
modistime series7250 m

Time-series modalities require {modality}_dates (day-of-year, 0–364). Images must be square. patch_size is in meters (internally divided by 10).

Output modes

outputShapeDescription
tile[B, 768]CLS / global embedding (pool=True)
patch[B, H*W, 768]Patch tokens
densehigh-res mapDense features for segmentation
allall tokensFull token sequence

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
3af1198

0 моделей