/ Модель

Характеристики

Библиотека
pytorch
Опубликована
22 июл 2026

self-supervised-to-jepa

Эмбеддинги изображенийИзображение → embedding

Набор контрольных точек десяти методов самообучения на ViT-Tiny для извлечения признаков изображений и воспроизведения бенчмарка на STL-10 и CIFAR-10.

0скачиваний за 30 дней0лайковвеса обновлены22 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

Репозиторий Hugo Planchat содержит контрольные точки предобучения десяти методов самообучения для сравнения в едином бенчмарке. Все методы реализованы на общей архитектуре ViT-Tiny: патчи 4×4, размерность 128, 6 слоёв и 4 головы; в README указано около 1,2 млн параметров. Модели предобучены на неразмеченной части STL-10 в течение 100 эпох и оценивались на CIFAR-10.

Контрольные точки предназначены для воспроизведения экспериментов и использования энкодера ViT-Tiny при извлечении признаков изображений. В репозитории приведены результаты k-NN, линейной оценки и дообучения; лучшие результаты в таблице README показал SimCLR. Это небольшие исследовательские чекпойнты бенчмарка, а не универсальные визуальные основы. Для загрузки нужны классы моделей из связанного GitHub-репозитория. Лицензия в предоставленных данных не указана.

Сценарии применения

  • извлечение визуальных признаков из изображений CIFAR-10
  • сравнение методов самообучения на общей архитектуре ViT-Tiny
  • воспроизведение бенчмарка предобучения на STL-10
  • оценка представлений изображений методом k-NN
  • использование энкодера для линейной оценки или последующего дообучения

Ограничения

Это небольшие чекпойнты для воспроизведения бенчмарка, а не универсальные визуальные основы; для загрузки требуются классы моделей из связанного GitHub-репозитория. Лицензия в предоставленных данных не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Self-Supervised to JEPA — pretrained ViT-Tiny checkpoints

Pre-training checkpoints for self-supervised-to-jepa: a controlled benchmark of ten self-supervised methods re-implemented from scratch on a single shared ViT-Tiny (patch 4, d=128, 6 layers, 4 heads, ≈1.2M params), pre-trained on STL-10 (unlabeled, 100 epochs) and evaluated on CIFAR-10. These are small research models meant to reproduce this benchmark, not general-purpose backbones — useful to regenerate every figure and downstream number without re-training on a GPU.

What is in this repo (for now)

The 10 pre-training checkpoints, one per method. Each *_pretrain.pt holds, besides the SSL weights, the full monitoring history recorded during training:

keycontent
modelfull SSL model state_dict (all branches)
encoderthe shared ViT-Tiny trunk state_dict (the reusable part)
losses (or hist["loss"])per-epoch training loss
knn_historylist of (epoch, weighted k-NN accuracy) pairs on CIFAR-10
rank_historylist of (epoch, effective rank) pairs (MAE stores lr_history instead)
method-specific loss termsthe objective's component breakdown: SimCLR pos/neg, MoCo lookup, BYOL feature std, CPC row_acc, VICReg inv/var/cov, LeJEPA pred/sig; DINOv3 and VISReg bundle theirs in a hist dict

Linear-probe and fine-tune checkpoints will be added later.

Downstream results (CIFAR-10, %)

Methodk-NNLinear probeFine-tune
MAE46.7749.0583.57
CPC39.9336.5073.67
SimCLR74.1772.9286.75
MoCo74.1369.6884.95
BYOL73.0773.7686.23
DINOv359.1354.9881.90
VICReg73.0473.0886.65
I-JEPA57.7156.2783.25
LeJEPA65.0662.0081.83
VISReg71.5768.8785.48

Supervised ViT-Tiny (from scratch, reference): 78.69 fine-tune.

Files

Checkpoints mirror the repo layout, so you can drop them straight into ssl/checkpoints/:

04_mae/mae_pretrain.pt        09_dinov3/dinov3_pretrain.pt
05_cpc/cpc_pretrain.pt        10_VICReg/vicreg_pretrain.pt
06_simclr/simclr_pretrain.pt  11_IJEPA/ijepa_pretrain.pt
07_moco/moco_pretrain.pt      12_LEJEPA/lejepa_pretrain.pt
08_byol/byol_pretrain.pt      13_VISReg/visreg_pretrain.pt

Load a checkpoint

The .pt files are state_dicts: you need the model classes from the GitHub repo to instantiate the architecture, then pour the weights in.

import torch
from huggingface_hub import hf_hub_download

path = hf_hub_download("HugoPlanchat/self-supervised-to-jepa", "08_byol/byol_pretrain.pt")
ck = torch.load(path, map_location="cpu", weights_only=False)

# ck["encoder"] is the shared ViT-Tiny trunk; rebuild ViTEncoder() from the notebook, then:
# encoder.load_state_dict(ck["encoder"])

print(ck.keys())                 # weights + monitoring histories
print(ck["knn_history"][-1])     # e.g. (100, 0.7307)

To make the notebooks restart-and-run-all instant, download each file into ssl/checkpoints/<method>/ and the load-or-train guard will reload instead of training.

Links

Code, report and full write-up: https://github.com/hugoplanchat/SNU-Internship

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch · image-feature-extraction

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
714d1ce

0 моделей