Модель Team ERIS классифицирует видеокадры во временных окнах, чтобы обнаруживать незаконный сброс отходов и определять начало события.
0скачиваний за 30 дней0лайковвеса обновлены11 окт 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
Модель Team ERIS создана для участия в конкурсе IWDD 2027 по обнаружению незаконного сброса отходов. Она классифицирует видеоролики по окнам длительностью 3,2 секунды: использует 16 кадров с частотой 5 кадров в секунду и определяет, соответствует ли окно обычной сцене или сбросу отходов. Пороговый декодер объединяет вероятности окон и определяет момент начала события в видео.
В основе — замороженный Vision Transformer ViT-B/16, предварительно обученный на ImageNet-21k, с bottleneck-адаптерами и временной трансформерной головой. Веса предоставлены в формате PyTorch; для загрузки и использования чекпойнта требуется реализация VideoModel из model.py проекта команды. Модель предназначена для обнаружения события в видео наблюдения и разметки момента его начала. Лицензия — MIT.
Сценарии применения
обнаружение сброса отходов на видео наблюдения
классификация видеосцен как обычных или содержащих сброс отходов
определение момента начала незаконного сброса отходов в ролике
Ограничения
Модель классифицирует окна длительностью 3,2 секунды и для работы требует реализации VideoModel из model.py. Карточка не описывает точность и условия оценки качества.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Team ERIS: IWDD 2027 illegal waste dumping detection
Weights of Team ERIS's entry to the International Contest on Illegal Waste Dumping Detection (IWDD 2027).
A frozen ImageNet-21k ViT-B/16 with bottleneck adapters and a temporal transformer head classifies 3.2 s windows
(16 frames at 5 fps) as normal or dumping; a threshold decoder turns the window probabilities into one onset per video.
iwdd_s4.pth holds {'model': state_dict} for the VideoModel in the submission's model.py;
test.py downloads it from this repository when no local copy is given.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
СпособСтатусЦена
GPU в ailist
Универсальный рантайм
Нельзя запустить
В репозитории нет config.json: не понять архитектуру модели.