/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
egosieve · dense
Базовая модель
dinov2-small
Библиотека
transformers
Опубликована
24 авг 2026

EgoSieve-S

Классификация видеоВидео → label

EgoSieve-S ранжирует фрагменты видео от первого лица по пригодности для датасетов манипуляций, помечает сомнительные окна и формирует эмбеддинги для поиска похожих записей.

13скачиваний за 30 дней0лайковвеса обновлены24 авг 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

EgoSieve-S — модель классификации видео для отбора фрагментов видео от первого лица, пригодных для анализа манипуляций и формирования датасетов. Она дообучена на facebook/dinov2-small и выдаёт оценки готовности KEEP, REVIEW и REJECT, семь оценок наблюдаемых проблем, диагностические предложения границ фрагмента и нормализованные эмбеддинги для поиска похожих видео. Модель предназначена для ранжирования окон эгоцентрических записей, направления сомнительных фрагментов на проверку и поиска почти дублирующихся материалов; она не управляет роботом.

Оценка readiness и границ в версии v0.1 основана на фиксированной сетке интервалов HoloAssist. Часть оценочных данных получена автоматически или выведена из разметки исходного набора, поэтому метрики следует считать прокси-свидетельством, а не независимой человеческой оценкой. В README указаны macro F1 0,6739 для готовности, macro AUROC 0,7407 для проблем и boundary micro F1 0,1030 при допуске 0,30 с. По RGB-видео модель не может установить силу воздействия, физический успех, согласие, безопасность, метрическую глубину или юридическую допустимость публикации. Лицензия — Apache-2.0.

Сценарии применения

  • отбор пригодных для анализа манипуляций фрагментов эгоцентрического видео
  • маршрутизация сомнительных фрагментов на ручную проверку
  • поиск почти дублирующихся окон видео по эмбеддингам
  • оценка наблюдаемых проблем в окнах видео от первого лица
  • предложение диагностических границ фрагментов для последующей проверки

Ограничения

Оценки readiness и границ в v0.1 зависят от рубрики и домена съёмки, а качество границ низкое; часть оценочной разметки является прокси или основана на контролируемых искажениях. По RGB модель не определяет силу, физический успех, согласие, безопасность, глубину или юридическую допустимость публикации; границы предназначены только для диагностики.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

EgoSieve-S

EgoSieve-S ranks manipulation-ready spans in first-person video. It produces three readiness logits (KEEP, REVIEW, REJECT), seven observable issue scores, diagnostic start/end boundary proposals, and a normalized retrieval embedding. It is a dataset-curation model, not a robot policy.

Usage

from transformers import AutoModelForVideoClassification, AutoProcessor

processor = AutoProcessor.from_pretrained(
    "itspublu/EgoSieve-S", revision="v0.1.0", trust_remote_code=True
)
model = AutoModelForVideoClassification.from_pretrained(
    "itspublu/EgoSieve-S", revision="v0.1.0", trust_remote_code=True
).eval()
outputs = model(**processor(frames, return_tensors="pt"))

The timestamp-aware scanner and JSONL compiler are provided by the egosieve package. The checkpoint expects 12 center-sampled RGB frames per window; use its bundled processor.

Training and evaluation

Data represented in the held-out evaluation: HoloAssist (CDLA-Permissive-2.0), HoloAssist controlled corruptions (CDLA-Permissive-2.0). Splits are grouped by original capture unit. Readiness, calibration, and boundary results use 142 human-grounded readiness rows: 0 direct human and 142 human-derived. Boundary results use 97 human-grounded boundary rows. Issue results use 145 labeled rows: 0 human, 109 human-derived, and 36 programmatic controlled corruptions. Unlabeled task targets are masked. The release bundle includes raw held-out predictions with task-level provenance, split assignments, exact run configuration, and metric provenance.

Human-derived rows are not direct, independent EgoSieve rubric judgments. Treat them as proxy evidence and consult the source dataset cards and their dataset-specific proxy details before comparing or interpreting these metrics.

For v0.1, readiness and boundaries come from a fixed-grid occupancy rule over reviewed HoloAssist fine-action intervals. low_hand_activity is an occupancy proxy, and acting_hand_not_visible follows HoloAssist's acting-hand modifier; it does not assert that every hand is absent. The other five issue metrics measure injected-corruption versus unmodified-reference discrimination. Those references were not independently audited as natural issue negatives.

  • Readiness macro F1: 0.6739
  • Issue macro AUROC: 0.7407
  • Issue macro average precision: 0.7222
  • Boundary micro F1 at 0.30s: 0.1030
  • Readiness ECE: 0.1018

Intended use and limitations

Use the model to rank raw egocentric windows, route uncertain spans for review, and create embeddings for near-duplicate search. Readiness remains dependent on the published rubric and capture domain. RGB cannot establish force, physical success, consent, safety, metric depth, or legal publishability. Boundary scores are proposals and are diagnostic-only in the v0.1 compiler.

First-person recordings can contain faces, screens, homes, and bystanders. Apply a separate privacy and consent review before sharing any media.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · video-classification

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
EgoSieveModel
Ревизия весов
40f8549

0 моделей