/ Модель

Характеристики

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

pgpolicy-ade20k-c64-t5-floorband-2026-07-07-s5

Обучение с подкреплением3 профессии

Политика CanViT с обучением методом policy gradient выбирает точки визуального обзора для последовательной сегментации изображений ADE20K.

11скачиваний 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

Модель canvit/pgpolicy-ade20k-c64-t5-floorband-2026-07-07-s5 — политика размещения последовательных визуальных наблюдений для сегментации сцен ADE20K. Она разработана в рамках CanViT-PyTorch-RL и использует замороженную основу CanViT для оценки дискретных точек обзора: две шкалы и центры сетки 16×16. Политика обучена методом policy gradient на данных ADE20K; для выбора наблюдений после первого шага применяются логиты кандидатов и правило argmax, а начальный шаг использует полный обзор сцены.

В README приведены метрики валидации для нескольких шагов наблюдения, включая mIoU 43,73% и CE 0,6886 на шаге t2. Модель предназначена для исследовательских и экспериментальных сценариев последовательной сегментации с ограниченным числом визуальных наблюдений. Основа — canvit/canvitb16-add-vpe-pretrain-g128px-s512px-in21k-dv3b16-2026-02-02. Лицензия — MIT.

Сценарии применения

  • последовательная сегментация сцен ADE20K
  • выбор точек обзора для визуального анализа сцены
  • оценка стратегий размещения ограниченных визуальных наблюдений

Ограничения

Модель обучена и оценена для ADE20K и заданного протокола последовательных наблюдений; перенос на другие наборы данных или сценарии в README не подтверждён.

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 20260707-144704_pgfloor_s5, git d63026b8589a6fc035f724fd491b3049837b5681, seed 5, step 6000 (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
t10.716142.59
t20.688643.73
t30.675844.21
t40.666144.83
from canvit_pytorch_rl.policy.net import ViewpointScorer
net = ViewpointScorer.from_pretrained("canvit/pgpolicy-ade20k-c64-t5-floorband-2026-07-07-s5").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 5 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
dffdc08

0 моделей