/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
timm
Опубликована
14 авг 2026

DistillPath-IS16-Virchow2

Эмбеддинги изображенийИзображение → embedding3 профессии

Компактный энкодер ViT-S/16 извлекает признаки из гистологических изображений для задач вычислительной патологии.

45скачиваний за 30 дней0лайковвеса обновлены23 авг 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

DistillPath-IS16-Virchow2 — компактный энкодер изображений для вычислительной патологии, разработанный Рамоном Каспаром, Андреем Игнатовым и Валентиной Боевой из ETH Zurich. Это модель ViT-S/16 на базе timm с 21,7 млн параметров и размерностью признаков 384; она получена дистилляцией токенов класса и патчей из Virchow2 в студенческую модель, предварительно обученную на ImageNet-21k. Обучение проводилось на 6 000 общедоступных слайдах TCGA.

Модель предназначена для извлечения признаков из тайлов гистологических изображений и их последующего использования в задачах анализа патологических изображений. В карточке приведены результаты на наборах EVA, HEST и PLISM; авторы сообщают, что модель приближается по ряду метрик к значительно более крупной Virchow2. Указанная лицензия — CC BY-NC 4.0, допускающая использование на условиях лицензии без коммерческого применения.

Сценарии применения

  • извлечение признаков из тайлов гистологических изображений
  • подготовка эмбеддингов для классификации патологических изображений
  • создание признаковых представлений слайдов для последующего анализа
  • сравнение компактного энкодера с крупными моделями патологии

Ограничения

Лицензия CC BY-NC 4.0 запрещает коммерческое использование. Модель предназначена для извлечения признаков; сама по себе она не выполняет диагностическую классификацию.

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

DistillPath-IS16-Virchow2

A 22M ViT-S/16 pathology tile encoder distilled from Virchow2 (632M ViT-H/14) into an ImageNet-21k pretrained ViT-S/16 student using backbone-token distillation on 6,000 public TCGA slides.

This is the ImageNet-initialized variant. For the kaiko-initialized variant, see DistillPath-KS16-Virchow2.

Paper: DistillPath: An Efficient 22M Distilled Pathology Encoder Approaching Large Foundation Model Performance Ramon Kaspar, Andrey Ignatov, Valentina Boeva. ETH Zurich. Published at the ECCV 2026 Workshop on Medical Foundation Models and Benchmarks (MedFM-Bench).

Model details

PropertyValue
ArchitectureViT-S/16 (vit_small_patch16_224 in timm)
Parameters21.7M
Feature dimension384
Input size224 x 224
Normalizationmean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)
Student initializationImageNet-21k ViT-S/16
TeacherVirchow2 (632M, ViT-H/14, CC BY-NC-ND 4.0)
Training data6,000 TCGA H&E whole-slide images, 32 cohorts
Training steps50,000 (batch size 256)

Benchmark results

BenchmarkDistillPath-IS16-Virchow2IN21K baselineVirchow2 teacher
EVA mean (7 tasks)0.7630.7290.810
HEST mean (9 tasks)0.3580.3110.398
PLISM score0.4900.3830.447

See the paper for per-task results.

Usage

Load directly from the Hub with timm:

import timm

model = timm.create_model(
    "hf_hub:RamonK/DistillPath-IS16-Virchow2",
    pretrained=True,
    num_classes=0,
)
model.eval()

Or load manually:

import timm
from huggingface_hub import hf_hub_download
from safetensors.torch import load_file

model = timm.create_model("vit_small_patch16_224", pretrained=False, num_classes=0)
path = hf_hub_download("RamonK/DistillPath-IS16-Virchow2", "model.safetensors")
state_dict = load_file(path)
model.load_state_dict(state_dict, strict=True)
model.eval()

This model uses ImageNet normalization: mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225).

from torchvision import transforms

transform = transforms.Compose([
    transforms.Resize(224),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])

Distillation recipe

The recipe reads only the teacher's final class and patch tokens (no teacher pretraining heads required):

  • Class-token loss: cosine distance + RKD (relational knowledge distillation)
  • Patch-token loss: cosine distance after bicubic grid resizing (teacher 16x16 to student 14x14)
  • Optimizer: AdamW, lr=1e-4, weight decay 0.05, cosine decay, 500 warmup steps
  • Projector: DINO-style MLP (384 to 2048 to 2048 to 256 to d_t), discarded after training

Full details in the paper and the DistillPath repository.

License

This model is released under the Creative Commons Attribution-NonCommercial 4.0 International License. The Virchow2 teacher is released under CC BY-NC-ND 4.0. The distillation process used Virchow2 only to generate supervisory outputs; the released student contains no Virchow2 weights. This model is intended solely for non-commercial academic research.

Citation

@inproceedings{kaspar2026distillpath,
  title     = {DistillPath: An Efficient 22M Distilled Pathology Encoder Approaching Large Foundation Model Performance},
  author    = {Kaspar, Ramon and Ignatov, Andrey and Boeva, Valentina},
  booktitle = {Medical Foundation Models and Benchmarks (MedFM-Bench), ECCV 2026},
  year      = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · timm · image-feature-extraction

Можно запустить

Подбираем GPU…

Ревизия весов
b2f1dd8

0 моделей