/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
argus · dense
Базовая модель
EUPE-ViT-B
Библиотека
pytorch
Опубликована
7 апр 2026

argus

Оценка глубиныИзображение → depth_map3 профессии

Argus — многозадачная модель компьютерного зрения на EUPE-ViT-B, предназначенная в каталоге прежде всего для оценки глубины по изображениям.

85скачиваний за 30 дней8лайковвеса обновлены25 сен 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

Argus — многозадачная модель компьютерного зрения от phanerozoic на замороженном backbone EUPE-ViT-B. Она содержит 103 млн параметров, включая 17 млн параметров выходных голов, и принимает изображения. В карточке описаны классификация ImageNet, семантическая сегментация, оценка глубины и обнаружение объектов; для каталога основная задача модели — оценка глубины. Глубина предсказывается для внутренних сцен на расстоянии до 10 м; результат включает карту глубины, а по запросу — уверенность и стандартное отклонение.

Для классификации указана точность top-1 85,53% на валидационной выборке ImageNet-1k, для сегментации — 52,72 mIoU на ADE20K. Для глубины на тестовом наборе NYU Depth V2 приведены RMSE 0,452 и abs rel 0,117. Модель также имеет варианты меньшего размера argus-lite и argus-edge. Репозиторий использует PyTorch и формат safetensors; лицензия обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

Сценарии применения

  • оценка глубины в помещениях по RGB-изображению
  • семантическая сегментация сцен на классы ADE20K
  • классификация изображений по классам ImageNet
  • обнаружение объектов на изображениях

Ограничения

Голова оценки глубины обучена на внутренних сценах и предсказывает глубину только до 10 м; метрики приведены для конкретных тестовых наборов и протоколов, поэтому качество в других условиях может отличаться.

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

Argus

Argus is a multi-task vision model: task heads on a frozen EUPE-ViT-B backbone (Zhu et al., Meta FAIR, arXiv:2603.22387), 103M parameters in total, of which 17M are the heads.

TaskHeadOutputTrained onResult
ClassificationLinear softmax on the L2-normalized CLS token1,000 ImageNet classesImageNet-1k85.53% top-1, 97.69% top-5 (val)
SegmentationBatchNorm and 1×1 conv150 ADE20K classesADE20K52.72 mIoU (val)
DepthDPT decoder on blocks 2, 5, 8 and 11, 256 bins over 0.001–10 mMetric depthNYU Depth V2RMSE 0.452, abs rel 0.117, δ<1.25 0.852 (654-image Eigen test split, Eigen crop, evaluate.py)
DetectionCofiber pyramid with a CLIP-text-aligned cosine classifier, FCOS decoding80 COCO classesCOCO 201742.64 mAP (val2017)
CorrespondenceNone: cosine matching of patch featuresPatch matches—54.35 PCK@0.1 (SPair-71k test)

The detection head is documented in phanerozoic/cofiber-detection. Its class-agnostic AR@100 across 20 RF100-VL domains is 0.289, with the per-domain results in rf100vl_zero_shot_cross_domain_eval.json. Smaller variants are argus-lite (EUPE-ViT-S) and argus-edge (EUPE-ViT-T).

Usage

from PIL import Image
from transformers import AutoModel

model = AutoModel.from_pretrained("phanerozoic/argus", trust_remote_code=True)
image = Image.open("image.jpg").convert("RGB")

model.classify(image, top_k=5)          # [{"class_id", "class_name", "score"}, ...]
model.segment(image)                    # [H, W] ADE20K class indices
model.depth(image)                      # [H, W] depth in meters
model.detect(image, score_thresh=0.3)   # [{"box", "score", "label", "class_name"}, ...]
model.embed(image)                      # [768] L2-normalized CLS embedding
model.perceive(image)                   # classification, segmentation and depth
model.correspond(image, other_image)    # {"matches", "scores", "grid"}

Each method also takes a list of images and returns a list of results. Images are resized to the resolution of the head: 224 for classification and embedding, 512 for segmentation, 416 for depth and 768 for detection, which letterboxes the image. Segmentation and depth maps come back at each image's own height and width, and boxes in its pixel coordinates. segment() and depth() return per-pixel confidence and depth standard deviation with return_confidence=True, and model.seg_class_names names the segmentation indices. The depth head is trained on indoor scenes and predicts at most 10 m.

variant="bf16_backbone" loads the 241 MB model.bf16_backbone.safetensors in place of the 412 MB model.safetensors, into the same FP32 model. model.compile() compiles the backbone blocks and the heads with torch.compile, model.quantize_int8() applies INT8 weight-only quantization through torchao, and model.export_onnx(out_dir, verify=True) exports the backbone and the heads to ONNX and checks the graphs against PyTorch with ONNX Runtime.

evaluate.py scores the classification, segmentation, depth and detection heads on ImageNet-1k, ADE20K, NYU Depth V2 and COCO:

python evaluate.py imagenet --root imagenet/val
python evaluate.py ade20k --root ADEChallengeData2016
python evaluate.py nyu --root nyu_test
python evaluate.py coco --images val2017 --annotations instances_val2017.json

License

The EUPE-ViT-B weights are released under the FAIR Noncommercial Research License. The checkpoint contains them and is released under the same license; see LICENSE.

Citation

@misc{zhu2026eupe,
  title={Efficient Universal Perception Encoder},
  author={Zhu, Chenchen and Suri, Saksham and Jose, Cijo and Oquab, Maxime and Szafraniec, Marc and Wen, Wei and Xiong, Yunyang and Labatut, Patrick and Bojanowski, Piotr and Krishnamoorthi, Raghuraman and Chandra, Vikas},
  year={2026},
  eprint={2603.22387},
  archivePrefix={arXiv},
  primaryClass={cs.CV}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch · depth-estimation

Нельзя запустить

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

Класс архитектуры
Argus
Ревизия весов
f1d885f

0 моделей