/ Модель

Характеристики

Лицензия
MIT
Библиотека
tte
Опубликована
25 июн 2026

TTE

ЭмбеддингиТекст → embedding

TTE преобразует географические координаты в 512-мерные нормированные эмбеддинги для геопространственного анализа.

12скачиваний за 30 дней0лайковвеса обновлены25 июн 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

Tessellating the Earth (TTE) — энкодер географических координат, разработанный для получения пространственных представлений местоположений. Модель преобразует пару широты и долготы в градусах в L2-нормированный эмбеддинг размерности 512 с помощью обучаемого сферического разбиения Вороного сферы S² и глобальных семантических токенов.

TTE предназначена для извлечения признаков координат в геопространственных сценариях, включая работу с данными дистанционного зондирования и Sentinel-2. Для кодирования используется библиотека `tte`; изображениевая основа SSL4EO-S12 MAE ViT-L/16 применялась при обучении, но для получения эмбеддингов не требуется. Модель распространяется в формате safetensors по лицензии MIT.

Сценарии применения

  • получение эмбеддингов для географических координат
  • сравнение и поиск мест по координатным представлениям
  • извлечение геопространственных признаков для данных Sentinel-2
  • кодирование местоположений в системах дистанционного зондирования

Ограничения

Модель кодирует координаты в эмбеддинги, а не принимает спутниковые изображения для инференса; размер выхода составляет 512 измерений.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Tessellating the Earth (TTE) — location encoder

Maps a geographic coordinate (lat, lon) to a 512-dim embedding via a learnable Spherical Voronoi partition of S² with global semantic tokens. ECCV 2026.

import torch
from tte import TTE                       # pip install from github.com/mvrl/TTE

model = TTE.from_pretrained("dcher95/TTE").eval()
coords = torch.tensor([[37.77, -122.42],  # (lat, lon) in degrees
                       [-3.12,   60.02]])
emb = model.encode(coords)                # (N, 512), L2-normalized

Image backbone used during training (not needed here): frozen SSL4EO-S12 MAE ViT-L/16.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · tte

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
1599986

0 моделей