/ Модель

Характеристики

Лицензия
MIT
Библиотека
canvit-nnx
Опубликована
23 июл 2026

canvitb16-add-vpe-pretrain-g128px-s512px-in1k-dv3b16-2026-06-22-nnx

Эмбеддинги изображенийИзображение → embedding3 профессии

Предобученный CanViT извлекает признаки изображений, последовательно рассматривая сцену через фрагменты и собирая её представление на общем холсте.

36скачиваний за 30 дней0лайковвеса обновлены2 окт 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

Это контрольная точка предобучения CanViT — Canvas Vision Transformer, модели активного компьютерного зрения, которая воспринимает сцену последовательностью фрагментов и сохраняет информацию о ней на общей для сцены «холсте». Репозиторий предоставляет веса для JAX и Flax NNX; класс модели — CanViTForPretraining. Карточка указывает исходный чекпойнт canvit/canvitb16-add-vpe-pretrain-g128px-s512px-in1k-dv3b16-2026-06-22.

Модель предназначена для извлечения признаков изображений и исследований активного зрения. Для использования требуется библиотека canvit-nnx. Веса опубликованы в формате safetensors по лицензии MIT. В карточке не приведены размер модели, поддерживаемые языки и длина контекста.

Сценарии применения

  • извлечение признаков из изображений
  • создание визуальных представлений сцен
  • исследования активного зрения
  • эксперименты с обработкой изображений через последовательные фрагменты

Ограничения

Это чекпойнт предобучения, предоставленный для JAX и Flax NNX; для работы нужна библиотека canvit-nnx. Карточка не описывает конкретные бенчмарки или результаты прикладной оценки.

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

CanViT pretraining checkpoint (JAX / Flax NNX)

CanViT pretraining weights for JAX / Flax NNX.

CanViT, the Canvas Vision Transformer, is an active-vision foundation model: it sees a scene through a sequence of glimpses and remembers it on a scene-wide canvas.

Paper (NeurIPS 2026) · Code · Project page · All checkpoints

Install

uv add canvit-nnx

Usage

import jax.numpy as jnp
from PIL import Image

from canvit_nnx import CanViTForPretraining, Viewpoint, sample_at_viewpoint
from canvit_nnx.preprocess import preprocess

scene = jnp.asarray(preprocess(512)(Image.open("scene.jpg").convert("RGB")))[None]
model = CanViTForPretraining.from_pretrained("canvit/canvitb16-add-vpe-pretrain-g128px-s512px-in1k-dv3b16-2026-06-22-nnx")
model.eval()
state = model.init_state(batch_size=1, canvas_grid_size=32)
viewpoint = Viewpoint.full_scene(batch_size=1)
glimpse = sample_at_viewpoint(spatial=scene, viewpoint=viewpoint, glimpse_size_px=128)
output = model(glimpse=glimpse, state=state, viewpoint=viewpoint)
state = output.state

Details

BackendJAX / Flax NNX
Model classCanViTForPretraining
Source checkpointcanvit/canvitb16-add-vpe-pretrain-g128px-s512px-in1k-dv3b16-2026-06-22 at 6c8da9a0b5b6cd1e9950008d359bfc799e224776
Validation geometry512 px scenes, 128 px glimpses, 32 × 32 canvas

Citation

@article{berreby2026canvit,
  title={CanViT: Toward Active-Vision Foundation Models},
  author={Berreby, Yoha{\"i}-Eliel and Du, Sabrina and Durand, Audrey and Krishna, B. Suresh},
  year={2026},
  eprint={2603.22570},
  archivePrefix={arXiv},
  primaryClass={cs.CV},
  url={https://arxiv.org/abs/2603.22570}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · canvit-nnx · image-feature-extraction

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
661ddc8

0 моделей