/ Модель

Характеристики

Лицензия
MIT
Библиотека
canvit-pytorch
Опубликована
22 апр 2026

probe-ade20k-40k-s512-c64-in21k

Сегментация изображенийИзображение → mask3 профессии

Линейный пробник на признаках CanViT-B для семантической сегментации изображений по классам ADE20K.

145скачиваний за 30 дней0лайковвеса 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

Это чекпойнт линейного пробника для семантической сегментации ADE20K на основе CanViT, модели активного компьютерного зрения, разработанной командой CanViT. Пробник обучен на замороженных признаках 64 × 64 canvas базовой модели CanViT-B; его голова включает LayerNorm, dropout, BatchNorm и свёртку 1 × 1. Обучение проводилось по протоколу probing paper на сценах размером 512 px, с десятью последовательными наблюдениями по 128 px и R-IID точками обзора.

Модель предназначена для разметки областей изображения классами семантической сегментации ADE20K и для исследования представлений активного зрения на этой задаче. Она принимает изображение и выдаёт карту сегментации. Репозиторий распространяется в формате safetensors, библиотека для работы — canvit-pytorch; лицензия MIT.

Сценарии применения

  • сегментация сцен на изображения ADE20K
  • получение пиксельной разметки объектов и областей сцены
  • оценка признаков активного зрения на задаче сегментации
  • исследование представлений CanViT на сценах с последовательными наблюдениями

Ограничения

Пробник обучен и описан для ADE20K, поэтому его качество на других наборах данных или типах сцен не подтверждено. Он использует замороженные признаки базовой CanViT-B и рассчитан на её 64 × 64 canvas.

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

ADE20K probe on CanViT's 64 × 64 canvas

A linear ADE20K semantic segmentation probe on CanViT's 64 × 64 canvas, trained on frozen features with the paper's probing protocol.

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 CanViTForSemanticSegmentation, Viewpoint, sample_at_viewpoint
from canvit_pytorch.benchmarks.ade20k import CLASS_NAMES
from canvit_pytorch.preprocess import preprocess

model = CanViTForSemanticSegmentation.from_pretrained_with_probe(
    pretrained_repo="canvit/canvitb16-add-vpe-pretrain-g128px-s512px-in21k-dv3b16-2026-02-02",
    probe_repo="canvit/probe-ade20k-40k-s512-c64-in21k",
).eval()
scene = preprocess(512)(Image.open("scene.jpg").convert("RGB")).unsqueeze(0)  # [1, 3, 512, 512]

state = model.init_state(batch_size=1, canvas_grid_size=64)
with torch.inference_mode():
    viewpoint = Viewpoint.full_scene(batch_size=1, device=scene.device)
    glimpse = sample_at_viewpoint(spatial=scene, viewpoint=viewpoint, glimpse_size_px=128)
    logits, state = model(glimpse=glimpse, state=state, viewpoint=viewpoint)  # [1, 150, 64, 64]
labels = logits.argmax(dim=1)  # ADE20K classes, named in CLASS_NAMES

Details

Featuresthe 64 × 64 canvas of canvit/canvitb16-add-vpe-pretrain-g128px-s512px-in21k-dv3b16-2026-02-02
ProbeLayerNorm, dropout, BatchNorm, 1 × 1 convolution
Training rollouts10 glimpses of 128 px, R-IID viewpoints, 512 px scenes
Training steps40,000, batch size 16
OptimizerAdamW, peak learning rate 0.0003, weight decay 0.001
Schedule1,500-step linear warmup, then cosine decay
Augmentationrandom crops of scale 0.5 to 2, horizontal flips
Dropout0.1
Precisionbfloat16 autocast

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-segmentation

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
b28ba9b

0 моделей