/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
diffusers
Опубликована
14 сен 2026

GeoCore-9B-diffusers

Генерация изображенийТекст → изображение

Модель генерирует оптические спутниковые изображения 256×256 по текстовым описаниям с опциональной геопривязкой и заданием разрешения.

15скачиваний за 30 дней0лайковвеса обновлены14 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

GeoCore-9B-diffusers — самостоятельный чекпойнт Diffusers модели GeoCore-9B для генерации оптических спутниковых изображений по текстовому описанию. Модель предназначена для сценариев дистанционного зондирования и наблюдения Земли; к запросу можно добавить разрешение съёмки, широту и долготу. Обучающие подписи соответствуют Git-10M и представляют собой короткие описания сцен.

В основе — 9,24-миллиардный Flow-Matching DiT с 8 блоками double-stream и 24 блоками single-stream; в комплект входят Flux.2 VAE, CLIP ViT-L/14, T5-XXL и планировщик FlowMatchEulerDiscreteScheduler. Модель генерирует изображения размером 256×256. Чекпойнт преобразован из JeonghyeokDo/GeoCore-9B, распространяется в формате Diffusers и safetensors по лицензии Apache-2.0.

Для работы с моделью требуется значительная видеопамять: веса DiT занимают около 18,5 ГБ в bf16, а на GPU с 24 ГБ памяти запуск может быть ограничен; README описывает разбиение трансформера между двумя GPU как вариант размещения.

Сценарии применения

  • генерация спутникового снимка заданной сцены по тексту
  • создание изображений парковок и коммерческих территорий сверху
  • визуализация круговых развязок и дорожной инфраструктуры
  • генерация спутниковых изображений теннисных кортов
  • создание геопривязанных примеров для дистанционного зондирования Земли

Ограничения

Модель генерирует изображения только размером 256×256; её веса требуют значительной видеопамяти, и на GPU с 24 ГБ запуск может быть ограничен. Географические поля и разрешение являются дополнительными условиями генерации, а не гарантией точной привязки к реальному снимку.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BiliSakura/GeoCore-9B-diffusers

Self-contained Diffusers checkpoint for GeoCore-9B: 256×256 optical satellite generation from text, with optional GSD, latitude, and longitude.

Converted from JeonghyeokDo/GeoCore-9B. DiffusionPipeline.from_pretrained loads the DiT, Flux.2 VAE, CLIP-L, T5-XXL, and FlowMatchEulerDiscreteScheduler from this repo (trust_remote_code=True).

Project · Code · Original weights

Demo

256×256, 50 Euler steps, guidance_scale=4.0, seed 42, lon=126.97, lat=37.56, res=0.0 (Seoul).

Parking lotCommercialRoundaboutTennis courts
parkingcommercialroundabouttennis

Model details

FieldValue
PipelineGeoCorePipeline (pipeline.py)
TransformerFlow-matching DiT, 8 double-stream + 24 single-stream blocks, hidden 4096, 32 heads, 9.24B
Text encodersCLIP ViT-L/14 + T5-XXL (bundled)
VAEFlux.2 AutoencoderKLFlux2 (Apache-2.0, bundled)
SchedulerFlowMatchEulerDiscreteScheduler, shift=1.0
Resolution256×256
Training dataGit-10M
LicenseApache-2.0

Load from Hugging Face

import torch
from diffusers import DiffusionPipeline

pipe = DiffusionPipeline.from_pretrained(
    "BiliSakura/GeoCore-9B-diffusers",
    trust_remote_code=True,
    torch_dtype=torch.bfloat16,
).to("cuda")

image = pipe(
    prompt="A parking lot full of cars is located next to some trees.",
    lon=126.97,
    lat=37.56,
    res=0.0,
    height=256,
    width=256,
    num_inference_steps=50,
    guidance_scale=4.0,
    generator=torch.Generator(device="cuda").manual_seed(42),
).images[0]
image.save("demo.png")

The DiT is ~18.5 GB in bf16. A 24 GB GPU is tight; on two GPUs, split only the transformer with Accelerate and keep CLIP, T5, and the VAE on one device.

Conditioning

Captions follow the Git-10M style (short scene descriptions). Geospatial fields are optional.

ArgumentMeaning
promptNatural-language description
resResolution index 17 - z for Google XYZ zoom z. 0 ≈ 1.2 m/px at the equator; each +1 doubles GSD
lon, latDegrees
-999.0Learned null embedding — any of res / lon / lat may be omitted

License

DiT weights © 2026 Jeonghyeok Do and Munchurl Kim, Apache-2.0. VAE is an unmodified Apache-2.0 Flux.2 autoencoder from black-forest-labs/FLUX.2-klein-base-4B; see LICENSE-FLUX2-VAE.md. Git-10M is CC BY-NC-ND 4.0 (non-commercial retraining).

Citation

@article{do2026geocore,
  title   = {GeoCore-9B: Towards Geo-Aware Generative Foundation Models in Earth Observation},
  author  = {Do, Jeonghyeok and Kim, Munchurl},
  year    = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

В репозитории нет model_index.json: DiffusionPipeline его не соберёт.

Ревизия весов
89d4944

0 моделей