/ Модель

Характеристики

Лицензия
MIT
Библиотека
canvit-pytorch-rl
Опубликована
6 июл 2026

pgpolicy-ade20k-c64-t5-2026-07-06-sweep-trial0012

Обучение с подкреплением

Экспериментальная policy-gradient политика CanViT выбирает точки обзора для последовательной сегментации изображений ADE20K.

8скачиваний за 30 дней0лайковвеса обновлены8 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

Это экспериментальная политика размещения последовательных взглядов для семантической сегментации изображений ADE20K, созданная проектом CanViT-PyTorch-RL. Она оценивает кандидатов на положение взгляда в дискретной сетке из двух масштабов и центров 16×16, выдавая логиты политики; веса модели представлены в формате Safetensors. Обучение выполнено методом policy gradient с on-policy вознаграждением на основе fractional cross-entropy и бонусом энтропии. Политика использует замороженную основу CanViT-B/16, предварительно обученную на ImageNet-21K и датасете DV3, с разрешённой сеткой холста 64.

Модель предназначена для выбора последовательности областей изображения, которые следует рассматривать при сегментации ADE20K. В описанном протоколе первый шаг охватывает всю сцену, а последующие выбираются по argmax; README приводит метрики валидации CE и mIoU для первых шагов. Это отдельный trial из исследовательского перебора параметров: результат не подтверждён на полном бюджете обучения 640 тысяч шагов. Лицензия — MIT.

Сценарии применения

  • выбор областей изображения для последовательного осмотра
  • управление размещением взглядов при сегментации ADE20K
  • оценка политик выбора точки обзора для семантической сегментации

Ограничения

Результат относится к отдельному trial и не подтверждён на полном бюджете 640 тысяч шагов обучения. Политика и метрики описаны для конкретного протокола последовательных взглядов и ADE20K.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Viewpoint policy-gradient actor — ADE20K, c64, T=5

Glimpse-placement policy for a frozen CanViT, over a discrete grid of candidate viewpoints (2 scales x 16x16 centres): scores per candidate are policy logits trained on-policy by score-function credit (loss -(z * log pi) - entropy_bonus * H, K=1 fractional-CE rewards); deploy = full-scene glimpse at t0, argmax afterwards — the same deploy rule as the Q-regression policies. Method + code: CanViT-PyTorch-RL.

Provenance: run 20260706-035820_pgfloor_c64_t5_ce_f400000__trial0012, git 2317cd9856594071db76db0c009be491b5981b5c, seed 0, step 3000 (deploy ckpt = best mean(t1-t4) validation CE over the run's evals). Backbone canvit/canvitb16-add-vpe-pretrain-g128px-s512px-in21k-dv3b16-2026-02-02; probe resolved for canvas grid 64. Full-val metrics at this step:

glimpse step tval CEval mIoU %
t00.764939.60
t10.714942.60
t20.688743.81
t30.674844.36
t40.666444.78
from canvit_pytorch_rl.policy.net import ViewpointScorer
net = ViewpointScorer.from_pretrained("canvit/pgpolicy-ade20k-c64-t5-2026-07-06-sweep-trial0012").eval()

Drive it through canvit_pytorch_rl.policy.deploy.ArgmaxPolicy + canvit_eval.run_episode for protocol-exact rollouts; canvit_pytorch_rl.policy.eval is the standalone evaluator.

Sweep winner of study pgfloor_c64_t5_ce_f400000 (400k-forward trial budget): entropy floor 0.5 nat, lr 1.77e-4, wd 4.0e-3, immediate credit — objective 0.6862 (mean t1-t4 val CE). NOT yet confirmed at the full 640k budget.

Как запустить

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

GPU в ailist

Универсальный рантайм · canvit-pytorch-rl

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
9b0c714

0 моделей