/ Модель

Характеристики

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

qpolicy-ade20k-c64-t5-qband-2026-07-04-s2

Обучение с подкреплением3 профессии

Политика обучения с подкреплением выбирает масштаб и положение визуальных наблюдений CanViT для последовательной сегментации сцен ADE20K.

10скачиваний 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 политика Viewpoint-Q из проекта CanViT-PyTorch-RL, разработанная для выбора мест и масштабов последовательных визуальных наблюдений при сегментации изображений ADE20K. Она оценивает Q-значения для дискретной сетки кандидатов: двух масштабов и центров 16×16; сеть использует dueling head, а визуальный backbone CanViT заморожен. При развёртывании сначала выполняется обзор всего изображения, затем выбираются следующие наблюдения по максимальному Q-значению.

Для оценки приведены метрики валидации ADE20K по cross-entropy и mIoU; указанные сводные результаты относятся к серии из восьми seed, а этот репозиторий содержит один seed. Модель опубликована с лицензией MIT и использует формат safetensors. Для работы нужны библиотеки CanViT-PyTorch-RL и CanViT; точный сценарий оценки использует протокольные rollout-функции проекта.

Сценарии применения

  • выбор положения следующего визуального фрагмента для сегментации ADE20K
  • последовательный сбор визуальных наблюдений для semantic segmentation
  • оценка политики выбора glimpse на сетке кандидатов
  • воспроизведение rollout-экспериментов CanViT-PyTorch-RL

Ограничения

Политика рассчитана на дискретный набор из двух масштабов и сетки центров 16×16, а backbone CanViT заморожен. README приводит полные метрики лишь частично и подчёркивает, что сводные показатели относятся к серии из восьми seed, а не к одному чекпойнту.

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-Q policy — ADE20K, c64, T=5

Glimpse-placement policy for a frozen CanViT: Q over a discrete grid of candidate viewpoints (2 scales x 16x16 centres); deploy = full-scene glimpse at t0, argmax afterwards. Dueling head (Q = V + mean-zero A); trained with K=1 fractional-CE rewards. Method + code: CanViT-PyTorch-RL.

Provenance: run 20260703-221130_qband_s2, git 007f7173e264d3ccdd6c735234ad246c102ed32c, seed 2, 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
t10.712042.86
t20.686944.01
t30.674244.60
t40.664944.96
from canvit_pytorch_rl.q.net import ViewpointScorer
net = ViewpointScorer.from_pretrained("canvit/qpolicy-ade20k-c64-t5-qband-2026-07-04-s2").eval()

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

One of the 8 published seeds of the 2026-07-04 qband (...-qband-2026-07-04-s{0..7}). Performance claims cite the BAND (mean(t1-t4) val CE 0.6853 +- 0.0007 over 8 seeds), never a single seed. Band-best by mean(t1-t4) val CE: this repo is the flagship (DEFAULT_QPOLICY_REPO).

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
86ef653

0 моделей