/ Модель

Характеристики

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

qpolicy-ade20k-c64-t5-qband-2026-07-04-s5

Обучение с подкреплением3 профессии

Политика CanViT с Q-оценкой выбирает точки визуального просмотра для последовательной сегментации изображений ADE20K.

18скачиваний 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 выбора точки обзора для последовательной сегментации сцен на ADE20K. Она выбирает положение следующего визуального фрагмента из дискретной сетки кандидатов: две шкалы и центры 16×16; при работе сначала используется обзор всей сцены, а затем выбирается кандидат с максимальным Q-значением. Политика построена на замороженной визуальной основе CanViT и использует дуэльную Q-голову. Обучение выполнено с наградой на основе дробной кросс-энтропии; в карточке приведены метрики валидации для отдельных шагов просмотра.

Модель предназначена для управления размещением визуальных фрагментов при сегментации изображений, чтобы улучшать качество разметки по мере последовательных просмотров. Опубликованный чекпойнт — один из восьми запусков серии с фиксированным seed; сводные заявления о производительности относятся к серии, а не к этому отдельному запуску. Используется формат safetensors, лицензия — MIT.

Сценарии применения

  • выбор следующего участка изображения для просмотра при сегментации
  • последовательная сегментация городских и бытовых сцен ADE20K
  • оценка стратегий размещения визуальных фрагментов

Ограничения

Чекпойнт представляет один из восьми запусков, поэтому приведённые для него метрики не следует трактовать как сводную оценку всей серии. Политика рассчитана на заданную сетку кандидатов, frozen CanViT и протокол последовательных просмотров.

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 20260704-021003_qband_s5, git 007f7173e264d3ccdd6c735234ad246c102ed32c, seed 5, step 4000 (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
t10.714942.60
t20.687544.10
t30.673644.61
t40.664545.04
from canvit_pytorch_rl.q.net import ViewpointScorer
net = ViewpointScorer.from_pretrained("canvit/qpolicy-ade20k-c64-t5-qband-2026-07-04-s5").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.

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
c01d136

0 моделей