/ 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-pf-h8-b2.0-pool-s2-noembed

Изображение и текст → текст3 профессии

Дообученная на траекториях SatNav модель Qwen2.5-VL для планирования навигационных действий по последовательностям спутниковых изображений.

28скачиваний 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 дообученная модель зрения и языка для навигации по спутниковым изображениям в бенчмарке SatNav. Она создана на основе Qwen/Qwen2.5-VL-3B-Instruct и обучена командой SwiftVLN на офлайн-траекториях экспертов SatNav-v0.1: выполнено одно эпоховое полное дообучение параметров. Модель принимает последовательность до 32 RGB-кадров, использует до 8 кадров истории с повышенным весом недавних наблюдений и предсказывает горизонт из четырёх действий. Для памяти применяется усредняющий пулинг кадров с шагом 2; контекст базовой модели — 128 000 токенов.

Модель предназначена для оценки навигационных решений в непрерывной среде SatNav и требует совместимого кода SwiftVLN и конфигурации оценки, извлекаемой из полного имени репозитория. Базовая архитектура Qwen2.5-VL позволяет обрабатывать визуальные входы и выдавать текст, однако этот чекпойнт специализирован на навигации по спутниковой местности. В метаданных указана лицензия, но её значение не предоставлено, поэтому условия использования по лицензии определить нельзя.

Сценарии применения

  • планирование следующих четырёх действий по спутниковым кадрам
  • навигация по спутниковой местности с учётом истории наблюдений
  • оценка vision-language-навигации в бенчмарке SatNav
  • воспроизведение навигационных траекторий экспертов SatNav-v0.1

Ограничения

Чекпойнт рассчитан на сценарии и протокол оценки SwiftVLN/SatNav, поэтому для воспроизводимого применения нужен совместимый репозиторий оценки и исходное имя модели. Обучение выполнено за одну эпоху на офлайн-траекториях SatNav-v0.1, что ограничивает основания для выводов о качестве вне этого бенчмарка.

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 — Temporal-Biased History Sampling

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 biases history-frame sampling toward recent observations while retaining coverage of the full trajectory history.

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, up to 8 temporally biased history frames
  • Prediction horizon: 4 actions
  • Memory: per-frame average pooling with stride 2, sampling base 2.0

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
  • pf-h8-b2.0: samples up to eight history frames with temporal-bias base 2.0
  • pool-s2: applies average pooling with stride 2
  • noembed: uses no embedding enhancement

Reference Results

Results reported in the SatNav paper, memory-design ablation, row Temporal-biased sampling.

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)66.966.475.8+1.1+3.4
Test Unseen (val_unseen)55.855.366.3+2.1+2.2

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 history-sampling 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
521ed93

0 моделей