/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
3,1 млрд
Размер весов
8,1 ГБ
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-3B-Instruct
Библиотека
transformers
Опубликована
4 июл 2026

swiftvln-satnav-3b-1ep-f32s4-overlap0-map-g1000-l400-r448-d20-s2-noembed

Изображение и текст → текст3 профессии

Экспериментальная мультимодальная модель для планирования навигации по спутниковым изображениям и картам исследованной местности в бенчмарке SatNav.

26скачиваний за 30 дней0лайковвеса обновлены19 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Это экспериментальный чекпойнт SwiftVLN, дообученный авторами SwiftVLN на данных SatNav для навигации по спутниковым изображениям. Он основан на мультимодальной модели Qwen2.5-VL-3B-Instruct с 3,1 млрд параметров и архитектурой Qwen2.5-VL; модель принимает изображения и текстовые инструкции и формирует текстовый вывод для навигационного сценария. Обучение выполнено на офлайн-траекториях экспертов SatNav-v0.1 за одну эпоху с полным дообучением параметров.

Модель использует окно из 32 RGB-кадров и глобальную и локальную карты исследованной области: охват карты составляет 1000 м и 400 м соответственно, визуализация — 448 пикселей. За один прогноз модель планирует четыре действия; в README также описаны расширение маски на 20 пикселей и усредняющее объединение с шагом 2. Чекпойнт предназначен для запуска в бенчмарке SatNav через инструменты SwiftVLN, а не для универсальных диалогов или произвольных задач анализа изображений. Контекст базовой модели составляет 128 000 токенов; лицензия в предоставленных данных не приведена.

Сценарии применения

  • планирование последовательности навигационных действий по спутниковым снимкам
  • навигация с учётом глобальной и локальной карты исследованной местности
  • оценка vision-language navigation на бенчмарке SatNav
  • прогнозирование четырёх следующих действий по окну визуальных наблюдений

Ограничения

Модель специализирована для формата и среды бенчмарка SatNav и использует заданное представление RGB-кадров и карт; перенос на другие среды не подтверждён. README не сообщает лицензию.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SwiftVLN for SatNav — Map Memory

Related Repositories

  • SwiftVLN: training and evaluation code for these checkpoints.
  • SatNav: satellite-image navigation environments, datasets, and evaluation tools.

This checkpoint is designed for SwiftVLN on SatNav, the continuous-state vision-and-language navigation benchmark over satellite imagery. It replaces historical RGB observations with rendered global and local explored-map memory.

Model

  • Starting checkpoint: Qwen/Qwen2.5-VL-3B-Instruct
  • Training data: SatNav-v0.1 offline expert trajectories
  • Training: 1 epoch, full-parameter fine-tuning, learning rate 2e-5
  • Context: 32 RGB frames plus global and local explored maps
  • Prediction horizon: 4 actions
  • Map memory: 1,000 m global view, 400 m local view, rendered at 448 px
  • Map processing: 20-pixel mask dilation and average pooling with stride 2

Repository name

  • swiftvln-satnav: SwiftVLN trained and evaluated on SatNav
  • 3b: Qwen2.5-VL 3B backbone
  • 1ep: trained for one epoch
  • f32s4: uses a 32-frame window and predicts four actions
  • overlap0: uses non-overlapping training windows
  • map-g1000-l400-r448-d20-s2: encodes the map extent, rendering, mask, and pooling settings
  • noembed: uses no embedding enhancement

Reference Results

Results reported in the SatNav paper, memory-design ablation, row Map memory.

SR, SPL, and OS are percentages. Changes in SR and OS are percentage points relative to the SwiftVLN reference model.

SplitSR (%)SPL (%)OS (%)Delta SR (pp)Delta OS (pp)
Test Seen (val_seen)59.959.673.4-5.9+1.0
Test Unseen (val_unseen)48.748.463.1-5.0-1.0

Usage

Use this checkpoint with the SwiftVLN evaluation guide. Keep the full repository name unchanged because SwiftVLN derives the evaluation configuration from it.

This checkpoint is a long-term-memory ablation in the SwiftVLN SatNav Ablation Model Zoo.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
7f5aa7a

0 моделей