Характеристики

Лицензия: Своя лицензия
Опубликована: 13 июл 2026

Ссылки

Hugging Face

freuid-2026-sota-dinov3-lora

abir221

Классификация изображенийИзображение → label

Модель на основе DINOv3 ViT-L/16 классифицирует изображения документов для выявления мошенничества и подделок.

1скачиваний за 30 дней0лайковвеса обновлены13 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

FREUID Challenge 2026 — модель классификации изображений для выявления мошенничества в документах. Она основана на DINOv3 ViT-L/16; адаптер LoRA с рангом 32 и α=64 объединён с основными весами, а классификационная голова использует несколько токенов. Обучение включало согласованность представлений при съёмке с двух ракурсов, focal loss и попарное ранжирование.

Модель предназначена для классификации изображений документов в сценариях обнаружения подделок. Для инференса автор рекомендует усреднять ранги предсказаний трёх чекпойнтов и использовать тестирование с горизонтальным отражением. Веса загружаются с pretrained=False. Карточка не содержит сведений о метриках качества или условиях лицензии; в метаданных указана лицензия other.

Сценарии применения

Выявление поддельных документов по изображению
Классификация документов при проверке на мошенничество
Сортировка изображений документов для ручной проверки

Ограничения

Карточка не приводит метрик качества и не описывает поддерживаемые виды документов. Лицензия обозначена как other, без уточнения условий.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FREUID Challenge 2026 — frozen weights

DINOv3 ViT-L/16 (vit_large_patch16_dinov3.lvd1689m), LoRA (r=32, α=64) merged into the trunk, multi-token head; trained with dual-view capture-consistency + focal + pairwise-rank loss. Load with pretrained=False.

Code / reproduction: https://github.com/samiulabir201/freuid-challenge-2026
Inference: rank-average ep1.pt,ep2.pt,ep3.pt + hflip TTA.

Checkpoints (sha256)

ep0.pt — 7fd53e97d7cfb9223a693ec39edb6446c89000eb64d6692d08399a622548d195
ep1.pt — e2eb17035ae1e8c74ce20f4ec7909ba83c01ce339bd0290a29c002d7b8d2e73c
ep2.pt — e5052f3f483489a254ce6dedf7c3191b467ccfed87321167e740d0d3f32829ca
ep3.pt — 1e4bbd3f7d470764c5c453f74822e9c14517e4684939261c891ace0d3e6bfcd1
best.pt — 453eb8845e26fa19624377eaef4f0bc4f08f017617fc3d9678c8c896aa0851f2
sota_results.json — 04377ef93ff6ab23396efee8a06467783c28146a9c95b39d0eb357fcbcfa1bcb
config.yaml — cd05b0bf991244ac871fd3739740639fd876620b84b93b860575c66d072d38cf

License

Derivative of Meta DINOv3 → governed by the DINOv3 License (not Apache-2.0).

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

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

Ревизия весов: f1c7a3d