/ Модель

Характеристики

Лицензия
MIT
Библиотека
transformers
Опубликована
8 июл 2026

SATMAE-PP-transformers

ЭмбеддингиТекст → embedding

SatMAE++ — семейство энкодеров ViT-Large для извлечения признаков из RGB- и мультиспектральных спутниковых снимков FMoW.

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

BiliSakura перенесла в формат Hugging Face предобученные веса SatMAE++ от разработчика techmn / SatMAE++. Это энкодеры ViT-Large, обученные с помощью многомасштабного masked autoencoding на спутниковых изображениях FMoW-RGB и FMoW-Sentinel. В репозитории доступны два варианта: RGB-модель с 3 каналами BGR, изображением 224×224 и патчами 16×16, а также модель Sentinel с 10 мультиспектральными каналами, изображением 96×96, групповым ViT и патчами 8×8.

Модели предназначены для извлечения признаков из спутниковых снимков и построения представлений для последующих задач анализа данных наблюдения Земли. Обработчик изображений использует нормализацию статистиками FMoW; для Sentinel нужны 10-канальные массивы отражательной способности. Веса доступны по лицензии MIT. Для загрузки указано использование Transformers с trust_remote_code=True; требуются transformers, torch, timm, safetensors, а для мультиспектрального изменения размера — opencv-python.

Сценарии применения

  • Извлечение признаков из спутниковых RGB-снимков
  • Извлечение признаков из 10-канальных снимков Sentinel
  • Подготовка представлений снимков для классификации объектов
  • Создание эмбеддингов изображений для последующего анализа наблюдений Земли

Ограничения

RGB-вариант ожидает каналы в порядке BGR, а Sentinel-вариант — массивы отражательной способности с 10 каналами и предобработкой по статистикам FMoW. Для загрузки пользовательского кода требуется trust_remote_code=True.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SatMAE++ Transformers Models

Hugging Face–compatible checkpoints converted from the official SatMAE++ pretrained weights. Each subfolder is a standalone model repo layout (config.json, model.safetensors, preprocessor, and remote code) for feature extraction on FMoW satellite imagery.

Model Description

These models are ViT-Large encoders pretrained with multi-scale masked autoencoding (SatMAE++) on fMoW-RGB and fMoW-Sentinel imagery.

This collection currently bundles 2 converted pretrain checkpoints:

  • FMoW-RGB: vanilla ViT-L/16, 3-channel BGR, 224×224
  • FMoW-Sentinel: grouped-channel ViT-L/8, 10-band multispectral, 96×96

All folders ship self-contained remote code (modeling_satmae_pp.py, processor, pipeline) and load with trust_remote_code=True.

Developed by: techmn / SatMAE++
Converted for Hugging Face by: BiliSakura
License (weights): MIT
Original paper: Rethinking Transformers Pre-training for Multi-Spectral Satellite Imagery (CVPR 2024)

Available checkpoints

FolderDatasetEncoderChannelsImagePatchLegacy file
satmae-pp-vit-large-patch16-fmow-rgb-pretrainFMoW-RGBvanilla ViT3 (BGR)22416checkpoint_ViT-L_pretrain_fmow_rgb.pth
satmae-pp-vit-large-patch8-fmow-sentinel-pretrainFMoW-Sentinelgroup-channel ViT10968checkpoint_ViT-L_pretrain_fmow_sentinel.pth

Legacy .pth filename mapping is in conversion_manifest.json.

Usage

Processors default to do_resize: false. Inputs keep native height and width; FMoW mean/std normalization still applies when enabled.

from transformers import pipeline
import numpy as np

REPO = "/path/to/SATMAE-PP-transformers"
SUBFOLDER = "satmae-pp-vit-large-patch8-fmow-sentinel-pretrain"

pipe = pipeline(
    task="satmae-pp-feature-extraction",
    model=REPO,
    trust_remote_code=True,
    model_kwargs={"subfolder": SUBFOLDER},
)

# FMoW-Sentinel: 10 bands at native size (e.g. 96×96 or larger)
image = np.random.randint(0, 255, (128, 128, 10), dtype=np.uint8)
features = pipe(image, pool=True, return_tensors=True)
print(features.shape)  # [1, 1024]

FMoW-RGB (BGR channel order):

SUBFOLDER = "satmae-pp-vit-large-patch16-fmow-rgb-pretrain"
pipe = pipeline(
    task="satmae-pp-feature-extraction",
    model=REPO,
    trust_remote_code=True,
    model_kwargs={"subfolder": SUBFOLDER},
)
image = np.random.randint(0, 255, (384, 384, 3), dtype=np.uint8)
features = pipe(image, pool=True, return_tensors=True)
print(features.shape)  # [1, 1024]

To resize to the pretraining reference (96×96 sentinel / 224×224 RGB):

features = pipe(image, pool=True, return_tensors=True, image_processor_kwargs={"do_resize": True})

Load components directly:

from transformers import AutoModel, AutoImageProcessor

model = AutoModel.from_pretrained(REPO, subfolder=SUBFOLDER, trust_remote_code=True)
processor = AutoImageProcessor.from_pretrained(REPO, subfolder=SUBFOLDER, trust_remote_code=True)

Normalization

The bundled image processor applies per-channel FMoW mean/std normalization by default (do_normalize=True). FMoW-RGB models expect BGR channel order; the processor swaps RGB→BGR when channel_order="bgr".

For FMoW-Sentinel, inputs should be 10-band reflectance arrays (bands 0, 9, 10 already dropped) with FMoW-Sentinel statistics baked into the preprocessor config.

Dependencies

  • transformers, torch, timm, safetensors
  • opencv-python (multispectral resize with more than 4 channels)

Citation

@inproceedings{satmaepp2024rethinking,
  title={Rethinking Transformers Pre-training for Multi-Spectral Satellite Imagery},
  author={Mubashir Noman and Muzammal Naseer and Hisham Cholakkal and Rao Muhammad Anwar and Salman Khan and Fahad Shahbaz Khan},
  year={2024},
  booktitle={CVPR}
}

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
7d918c2

0 моделей