/ Модель

Характеристики

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

pgpolicy-ade20k-c64-t5-floorband-2026-07-07-s0

Обучение с подкреплением3 профессии

Политика CanViT на основе policy gradient выбирает точки обзора для последовательной сегментации изображений ADE20K.

13скачиваний 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 обученная методом policy gradient политика CanViT-PyTorch-RL для выбора точек обзора при последовательной сегментации изображений ADE20K. Она оценивает кандидаты на сетке из двух масштабов и центров 16×16, выдавая логиты политики; при развёртывании первый шаг использует полный обзор сцены, а на следующих выбирается кандидат с максимальным баллом. Политика работает с замороженной основой CanViT и обучена на ADE20K с горизонтом из пяти шагов; в README приведены метрики валидации по cross-entropy и mIoU.

Модель предназначена для управления размещением последовательных «взглядов» при визуальной сегментации сцен. Базовая модель — canvit/canvitb16-add-vpe-pretrain-g128px-s512px-in21k-dv3b16-2026-02-02. Для загрузки и развёртывания README указывает библиотеку canvit-pytorch-rl и интерфейсы ViewpointScorer и ArgmaxPolicy. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • выбор следующего участка изображения для визуального анализа
  • управление последовательными взглядами при сегментации сцен
  • оценка политики выбора точек обзора на ADE20K

Ограничения

Политика описана для ADE20K и дискретной сетки из двух масштабов и центров 16×16; README не подтверждает качество на других наборах данных.

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

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 20260705-185405_pgfloor_s0, git 4a24a3d0f233c64e2000640d7b36880003d504f7, seed 0, step 7000 (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
t10.713542.71
t20.689443.78
t30.675244.42
t40.664744.94
from canvit_pytorch_rl.policy.net import ViewpointScorer
net = ViewpointScorer.from_pretrained("canvit/pgpolicy-ade20k-c64-t5-floorband-2026-07-07-s0").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.

Seed 0 of the 8-seed pg entropy-floor band (floor 1.0 nat), band objective 0.6865±0.0012 vs qband 0.6853±0.0007; see docs/sessions/2026-07-05-e2e-diff-single-image-probe.md.

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
6fd332c

0 моделей