/ Модель

Характеристики

Лицензия
MIT
Библиотека
transformers
Опубликована
7 июл 2026

CROMA-transformers

ЭмбеддингиТекст → embedding

CROMA — мультимодальная модель BiliSakura для извлечения признаков из пар спутниковых изображений Sentinel-1 SAR и Sentinel-2.

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

CROMA Transformers Models — набор самостоятельных чекпойнтов CROMA от BiliSakura для извлечения признаков из спутниковых данных дистанционного зондирования. Модель принимает совместно изображения Sentinel-1 с двумя каналами SAR и Sentinel-2 с 12 оптическими каналами; стандартный размер при предобучении — 120×120 пикселей. В комплект входят базовая версия с размером скрытого слоя 768, 12 оптическими слоями и 16 головами внимания, а также большая версия с размером скрытого слоя 1024, 24 оптическими слоями и 16 головами внимания.

Модель предназначена для получения совместных представлений радиолокационных и оптических спутниковых наблюдений, которые можно использовать в задачах анализа поверхности Земли. Обработчик изображений выполняет нормализацию каждого канала по среднему и двум стандартным отклонениям; принудительное изменение размера по умолчанию отключено. Для работы предусмотрен код интеграции с Transformers, а веса распространяются в формате safetensors. Лицензия — MIT.

Сценарии применения

  • извлечение признаков из совместных радиолокационных и оптических снимков
  • получение представлений спутниковых наблюдений для анализа поверхности Земли
  • подготовка эмбеддингов Sentinel-1 и Sentinel-2 для последующих моделей

Ограничения

Для входа требуются согласованные по пространственному размеру данные Sentinel-1 SAR с двумя каналами и Sentinel-2 с 12 оптическими каналами; обработчик не меняет размер изображений по умолчанию. README указывает стандартный размер 120×120 пикселей для предобучения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CROMA Transformers Models

Self-contained HuggingFace model checkpoints for CROMA. Each subfolder ships its own model, image processor, and custom pipeline code — no external croma package required.

CROMA expects dual-modality Sentinel-1 (2-channel SAR) and Sentinel-2 (12-channel optical) inputs at 120×120 px by default. Per-channel mean ± 2σ normalization is applied by the bundled image processor.

Available checkpoints

FolderHidden sizeOptical layersHeads
croma-base-patch8-120/7681216
croma-large-patch8-120/10242416

Usage

Processors default to do_resize: false. CROMA expects SAR (2, H, W) and optical (12, H, W) at the same native spatial size (120×120 at pretraining; larger sizes work without forced resize).

from transformers import pipeline

MODEL = "/path/to/CROMA-transformers/croma-base-patch8-120"

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

import numpy as np

sar = np.random.randn(2, 256, 256).astype(np.float32)
optical = np.random.randn(12, 256, 256).astype(np.float32)

joint_gap = pipe(
    sar_images=sar,
    optical_images=optical,
    use_8_bit=True,
    pool=True,
    return_tensors=True,
)

sar_tokens = pipe(
    sar_images=sar,
    output_mode="sar",
    pool=False,
    return_tensors=True,
)

Opt in to 120×120 resize:

joint_gap = pipe(
    sar_images=sar,
    optical_images=optical,
    use_8_bit=True,
    pool=True,
    return_tensors=True,
    image_processor_kwargs={"do_resize": True},
)

Or load components directly:

from transformers import AutoModel, AutoImageProcessor

model = AutoModel.from_pretrained(MODEL, trust_remote_code=True)
processor = AutoImageProcessor.from_pretrained(MODEL, trust_remote_code=True)

batch = processor(sar_images=sar, optical_images=optical, return_tensors="pt")
outputs = model(**batch)
print(outputs.pooler_output.shape)  # joint GAP

Dependencies

  • transformers
  • torch
  • einops
  • numpy
  • opencv-python (only when resizing non-RGB inputs)

Rebuild from raw checkpoints

conda activate rsgen
python /path/to/projects/CROMA/scripts/build_transformers_repos.py

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
94665b8

0 моделей