/ Модель

Характеристики

Лицензия
MIT
Библиотека
canvit-pytorch
Опубликована
28 янв 2026

canvitb16-add-vpe-pretrain-g128px-s512px-in21k-dv3b16-2026-02-02

Эмбеддинги изображенийИзображение → embedding3 профессии

CanViT-B — модель активного компьютерного зрения для извлечения признаков изображений с последовательным просмотром сцены.

421скачиваний за 30 дней3лайкавеса обновлены26 сен 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

CanViT-B — модель Canvas Vision Transformer, разработанная авторами CanViT. Она предназначена для извлечения признаков изображений и воспринимает сцену как последовательность отдельных зрительных фрагментов, сохраняя информацию на общей для сцены «холстовой» репрезентации. Модель обучена на ImageNet-21k методом плотной латентной дистилляции от facebook/dinov3-vitb16-pretrain-lvd1689m; в карточке указана обработка сцен размером 512 пикселей.

Чекпойнт распространяется в формате safetensors и использует библиотеку canvit-pytorch. Лицензия — MIT. Карточка ссылается на статью NeurIPS 2026; дата публикации репозитория — 28 января 2026 года.

Сценарии применения

  • извлечение признаков из изображений для последующего анализа
  • создание представлений сцен для компьютерного зрения
  • обработка изображений с последовательным просмотром отдельных фрагментов

Ограничения

В README не приведены количественные оценки качества и детали отдельных строк таблицы характеристик. Описанный сценарий ориентирован на сцены размером 512 пикселей.

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-B, pretrained on ImageNet-21k

CanViT-B pretrained on ImageNet-21k by dense latent distillation from facebook/dinov3-vitb16-pretrain-lvd1689m, as in the paper.

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

Usage

pip install "canvit-pytorch>=0.2"
import torch
from PIL import Image
from canvit_pytorch import CanViTForPretraining
from canvit_pytorch.episode import run_episode
from canvit_pytorch.policies import make_policy
from canvit_pytorch.preprocess import preprocess

model = CanViTForPretraining.from_pretrained("canvit/canvitb16-add-vpe-pretrain-g128px-s512px-in21k-dv3b16-2026-02-02").eval()
scene = preprocess(512)(Image.open("scene.jpg").convert("RGB")).unsqueeze(0)  # [1, 3, 512, 512]

# Five glimpses of 128 px, coarse to fine: the full scene, then quadrants.
policy = make_policy("coarse_to_fine", batch_size=1, device=scene.device, num_glimpses=5, canvas_grid_size=32)
with torch.inference_mode():
    steps = run_episode(
        canvit=model.canvit, images=scene, policy=policy, num_glimpses=5, glimpse_size_px=128,
        initial_state=model.init_state(batch_size=1, canvas_grid_size=32),
    )
    canvas = steps[-1].state.canvas
    features = model.canvit.canvas_patch_grid(canvas)  # [1, 32, 32, canvas_dim]: the scene-wide canvas
    teacher_patches = model.predict_teacher_patches(canvas)  # the teacher's features of the whole scene, standardized

Details

Pretraining dataImageNet-21k
Teacherfacebook/dinov3-vitb16-pretrain-lvd1689m
Scenes512 px
Glimpses128 px
Canvas during pretraining32 × 32 (any size at inference)

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}
}

canvit-pytorch 0.1

This repository's files for canvit-pytorch 0.1 remain at revision canvit-pytorch-0.1: with canvit-pytorch<0.2, pass revision="canvit-pytorch-0.1" to from_pretrained.

Как запустить

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

GPU в ailist

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

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
13da0ca

0 моделей