/ Модель

Характеристики

Опубликована
18 дек 2023

E-RADIO

ЭмбеддингиТекст → embedding3 профессии

E-RADIO от NVIDIA Research извлекает из изображений сводные и пространственные признаки для задач компьютерного зрения и интеграции с языковыми моделями.

193скачиваний за 30 дней14лайковвеса обновлены10 июн 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

E-RADIO — модель извлечения визуальных признаков, разработанная NVIDIA Research. Она формирует два представления изображения: сводный вектор, похожий по назначению на CLS-токен ViT и описывающий изображение целиком, и пространственные признаки, сохраняющие локальную информацию.

Эти представления подходят для построения систем компьютерного зрения, включая семантическую сегментацию, а также для передачи визуальных признаков в языковую модель. Модель доступна через Transformers как `AutoModel`; для загрузки из карточки требуется `trust_remote_code=True`. Репозиторий содержит веса PyTorch в формате safetensors. Условия лицензии в предоставленных данных не описаны.

Сценарии применения

  • извлечение общего векторного представления изображения
  • извлечение пространственных признаков для семантической сегментации
  • подготовка визуальных признаков для интеграции в языковую модель

Ограничения

Для загрузки через Transformers требуется `trust_remote_code=True`. В предоставленных данных условия лицензии не описаны.

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

AM-RADIO: Reduce All Domains Into One

Mike Ranzinger, Greg Heinrich, Jan Kautz, Pavlo Molchanov

NVIDIA Research

[Paper][BibTex]

Pretrained Models

HuggingFace Hub

Pull the E-RADIO model from a Python script:

from transformers import AutoModel
model = AutoModel.from_pretrained("nvidia/E-RADIO", trust_remote_code=True)

Usage

E-RADIO will return a tuple with two tensors. The summary is similar to the cls_token in ViT and is meant to represent the general concept of the entire image. It has shape $(B,C)$ with $B$ being the batch dimension, and $C$ being some number of channels. The spatial_features represent more localized content which should be suitable for dense tasks such as semantic segmentation, or for integration into an LLM. Spatial features have shape $(B,H,W,D)$ with $H$ being the height, and $W$ being the width of the spatial features.

Training

Coming Soon

License

RADIO code and weights are released under the NSCLv1 License.

Citing RADIO

If you find this repository useful, please consider giving a star and citation:

@misc{ranzinger2023amradio,
      title={AM-RADIO: Agglomerative Model -- Reduce All Domains Into One},
      author={Mike Ranzinger and Greg Heinrich and Jan Kautz and Pavlo Molchanov},
      year={2023},
      eprint={2312.06709},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
RADIOModel
Ревизия весов
85588e9

0 моделей