/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
transformers
Опубликована
8 июл 2026

SOFTCON-transformers

ЭмбеддингиТекст → embedding

Коллекция энкодеров SoftCon извлекает признаки из мультиспектральных и SAR-снимков Sentinel для анализа наблюдений Земли.

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

SOFTCON-transformers — коллекция из шести энкодеров для извлечения признаков из спутниковых снимков наблюдения Земли. Модели разработаны zhu-xlab / SoftCon и конвертированы для Hugging Face пользователем BiliSakura; доступны варианты на ResNet-50 и ViT-S/14 или ViT-B/14 с архитектурой в стиле DINOv2 для ViT. Чекпойнты обучены с помощью многометочной управляемой мягкой контрастивной предобучающей задачи на изображениях SSL4EO-S12.

Модели принимают мультиспектральные данные Sentinel-2 L1C с 13 каналами или двухканальные SAR-данные Sentinel-1 и выдают векторные признаки. Они предназначены для извлечения представлений спутниковых изображений для последующих задач анализа Земли. Для загрузки через Transformers используется встроенный удалённый код репозитория с параметром trust_remote_code=True. Веса распространяются по лицензии Apache-2.0.

Процессор по умолчанию не меняет пространственный размер входа и масштабирует значения в диапазон [0, 1]. Для нормализации авторы рекомендуют поканальные среднее и стандартное отклонение из SSL4EO-S12 либо целевого датасета. Для изменения размера мультиспектральных данных с числом каналов больше четырёх требуется opencv-python.

Сценарии применения

  • извлечение признаков из 13-канальных снимков Sentinel-2
  • извлечение признаков из SAR-снимков Sentinel-1
  • подготовка векторных представлений спутниковых изображений для последующего анализа
  • создание признаков для многометочной классификации данных наблюдения Земли

Ограничения

Варианты рассчитаны на входные данные с конкретным числом каналов: 13 для Sentinel-2 и 2 для Sentinel-1 SAR. При масштабировании мультиспектральных данных с более чем четырьмя каналами требуется opencv-python; для нормализации нужны поканальные статистики.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SoftCon Transformers Models

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

Model Description

These models are encoders pretrained with multi-label guided soft contrastive learning on SSL4EO-S12 multispectral and SAR imagery, with DINOv2-style continual pretraining for ViT backbones.

This collection bundles 6 converted checkpoints:

  • Architectures: ResNet-50, ViT-S/14, ViT-B/14 (DINOv2-style)
  • Input modalities: S2-L1C 13-band (s2c), S1 SAR 2-band (s1)

All folders ship self-contained remote code (modeling_softcon.py, processor, pipeline) and load with trust_remote_code=True. ViT backbones reuse transformers' built-in Dinov2Model.

Developed by: zhu-xlab / SoftCon
Converted for Hugging Face by: BiliSakura
License (weights): Apache-2.0
Original paper: Multi-Label Guided Soft Contrastive Learning for Efficient Earth Observation Pretraining

Available checkpoints (6 models)

FolderBackboneModalityChannelsEmbedding dimLegacy file
softcon-resnet50-s2cRN50S2-L1C MS132048B13_rn50_softcon.pth
softcon-vit-small-patch14-s2cViT-S/14S2-L1C MS13384B13_vits14_softcon_enc.pth
softcon-vit-base-patch14-s2cViT-B/14S2-L1C MS13768B13_vitb14_softcon_enc.pth
softcon-resnet50-s1RN50S1 SAR22048B2_rn50_softcon.pth
softcon-vit-small-patch14-s1ViT-S/14S1 SAR2384B2_vits14_softcon_enc.pth
softcon-vit-base-patch14-s1ViT-B/14S1 SAR2768B2_vitb14_softcon_enc.pth

Usage

Processors default to do_resize: false. Pass patches at native (H, W, C); the processor rescales to [0, 1] without changing spatial size.

from transformers import pipeline
import numpy as np

REPO = "BiliSakura/SOFTCON-transformers"
SUBFOLDER = "softcon-vit-small-patch14-s2c"

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

# S2-L1C: 13 bands at native resolution (e.g. 512×512)
image = np.random.randint(0, 255, (512, 512, 13), dtype=np.uint8)
features = pipe(image, pool=True, return_tensors=True)
print(features.shape)  # [1, 384]

Dense token features:

tokens = pipe(image, pool=False, return_tensors=True)

Opt in to resize (patch-14 models were pretrained on 224×224):

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

By default, the bundled image processor rescales inputs to [0, 1] by dividing by 255. SoftCon recommends mapping each channel to uint8 using per-channel mean/std from SSL4EO-S12 or the target dataset before inference. Enable do_normalize=True with per-channel image_mean and image_std on SoftConImageProcessor when using normalized inputs.

Dependencies

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

Citation

@misc{wang2024multilabel,
  title={Multi-Label Guided Soft Contrastive Learning for Efficient Earth Observation Pretraining},
  author={Wang, Yi and Albrecht, Conrad M and Zhu, Xiao Xiang},
  journal={arXiv preprint arXiv:2405.20462},
  year={2024}
}

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
8419241

0 моделей