/ Модель

Характеристики

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

pgpolicy-ade20k-c64-t5-floorband-2026-07-07-s7

Обучение с подкреплением3 профессии

Политика CanViT-PyTorch-RL выбирает положения фрагментов изображения для последовательной сегментации сцен ADE20K.

9скачиваний 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

Политика выбора точек обзора для сегментации изображений ADE20K. Разработана в рамках CanViT-PyTorch-RL и обучена методом policy gradient для выбора положения фрагментов изображения на дискретной сетке: две шкалы и центры 16×16. Она оценивает кандидатов и выдаёт логиты политики; при развёртывании сначала использует полный кадр, затем выбирает следующий обзор по максимальному логиту.

Политика предназначена для последовательной сегментации сцены с несколькими ограниченными по положению «взглядами» и использует замороженный backbone CanViT.

Сценарии применения

  • выбор следующего фрагмента изображения для сегментации ADE20K
  • последовательная сегментация сцены по нескольким обзорам
  • оценка кандидатов положения и масштаба фрагмента изображения
  • исследование стратегий визуального внимания с подкреплением

Ограничения

Модель выдаёт оценки для дискретного набора положений и двух масштабов, а не готовую сегментационную маску. Описанный протокол развёртывания выбирает кандидатов по argmax и рассчитан на связку с CanViT и инструментами CanViT-PyTorch-RL.

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 20260707-171647_pgfloor_s7, git d63026b8589a6fc035f724fd491b3049837b5681, seed 7, 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
t10.715242.46
t20.687843.84
t30.674744.41
t40.665744.84
from canvit_pytorch_rl.policy.net import ViewpointScorer
net = ViewpointScorer.from_pretrained("canvit/pgpolicy-ade20k-c64-t5-floorband-2026-07-07-s7").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 7 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
05049bf

0 моделей