/ Модель

Характеристики

Размер весов
5,9 ГБ
Лицензия
MIT
Архитектура
v2 · dense
Библиотека
pytorch
Опубликована
4 июн 2026

dinovol_v2_ps8_with_paris4_352500

ЭмбеддингиТекст → embedding3 профессии

3D-backbone dinovol извлекает плотные признаки из микротомографических томов обугленных свитков Геркуланума для последующего анализа.

16 878скачиваний за 30 дней0лайковвеса обновлены4 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

dinovol — это 3D-модель представлений, опубликованная как EMA-backbone из запуска обучения paris4 на шаге 352500. Её разработали для анализа объёмных микротомографических сканов обугленных свитков из Геркуланума. Модель основана на архитектуре DINOv2/EVA ViT с 3D RoPE в стиле DINOv3; размерность признакового пространства — 864. Самообучение проводилось с целями DINO, iBOT и KoLeo, а позднее уточнение плотных признаков использовало Gram anchoring.

Модель извлекает признаки из трёхмерных данных и предназначена как backbone для последующей разработки систем анализа свитков, например для сегментации или сопоставления областей после добавления соответствующих голов или дообучения. Для инференса рекомендуется файл EMA-backbone; полный чекпойнт подходит для продолжения обучения и воспроизводимости. Обучение выполнено на 11 томах микротомографии Геркуланума. Репозиторий распространяется по лицензии MIT. Модель обучена на одноканальных сканах этих свитков; поведение на других данных и модальностях не проверено, а готовой головы сегментации или дообученной прикладной модели в репозитории нет.

Сценарии применения

  • извлечение 3D-признаков из микротомографических сканов свитков
  • подготовка представлений для сегментации томов Геркуланума
  • сопоставление областей в объёмных сканах свитков
  • дообучение backbone для анализа микротомографических данных

Ограничения

Модель обучена на одноканальных микротомографических данных Геркуланума; её работу на других модальностях не проверяли. В репозитории нет готовой головы сегментации и прикладного дообучения.

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

dinovol — v2 backbone, patch size 8 (paris4 run, step 352500)

A 3D, DINOv2/DINOv3-style self-supervised representation model trained on volumetric micro-CT scans of carbonized Herculaneum scrolls. This repository publishes the EMA teacher backbone from the paris4 training run at training step 352500.

Training code: dinovol. This is a representation/feature-extraction model — there is no task-specific head; you take its dense patch embeddings and use them downstream.

Model details

Backbone familyDINOv2/EVA ViT, 3D, with 3D RoPE (DINOv3-style)
model_typev2
Embedding dim864
Depth24 blocks
Attention heads16
MLPSwiGLU, mlp_ratio 8/3
Register tokens4
Patch size8 × 8 × 8
Global crop size (train)128 × 128 × 128
Input channels1 (grayscale CT)
Positional encodingRoPE mixed (base 100, normalize_coords=separate, rescale=2.0, shift=0.05, jitter=1.05); no absolute pos-emb
Backbone parameters215.9 M
Training step352500
W&B runmodel_v2__shift005_jitter105__r342500__paris4__20260416

Pretraining objective: DINO + iBOT + KoLeo, with late dense-feature refinement via Gram anchoring (DINOv3-style), trained with AMP.

Training data

Self-supervised on 11 open-data Herculaneum volumes (scale 0) from s3://vesuvius-challenge-open-data/:

PHerc0009B, PHerc0500P2, PHerc0814, PHerc1299, PHerc0343P, PHerc0332, PHerc0139, PHercMAN5, PHerc1451, PHercMANB, PHercParis4.

Files

FileSizeUse
dinovol_v2_ps8_paris4_step352500_teacher_backbone.pt~0.86 GBRecommended for inference. Slim file: {step, config, teacher backbone weights}. Loads directly with the repo's loader.
checkpoint_step_352500_paris4.pt~5.0 GBFull training checkpoint (student, EMA teacher, optimizer, scaler, loss buffers, Gram teacher, RNG state). Use to resume training or for full reproducibility.
config.json—The model config block, for quick inspection.

Both .pt files embed the full training config, so the architecture is rebuilt automatically — no separate config needed at load time.

Usage

Clone the training repo and use its loader (the config travels inside the weights):

import torch
from huggingface_hub import hf_hub_download
from dinovol_2.eval import embedding_utils as eu

path = hf_hub_download(
    "scrollprize/dinovol_v2_ps8_with_paris4_352500",
    "dinovol_v2_ps8_paris4_step352500_teacher_backbone.pt",
)

loaded = eu.load_backbone_from_checkpoint(path, device="cuda")
backbone = loaded.backbone.eval()

# dense patch embeddings for a 1-channel volume, dims multiples of patch_size (8)
vol = torch.randn(1, 1, 128, 128, 128, device="cuda")
with torch.no_grad():
    out = backbone.forward_features(vol, masks=None, view_kind="global")
patch_tokens = out["x_norm_patchtokens"]   # (B, num_patches, 864)

For a normalized, windowed embedding grid over a real OME-Zarr volume, use eu.compute_patch_embedding_grid(...), which applies the checkpoint's normalization scheme and tiles the volume. The repo also ships a napari inspector at dinovol_2/eval/napari_visualizer.py.

License

MIT. See LICENSE.

Caveats

  • Trained on single-channel Herculaneum micro-CT; behavior on other modalities is untested.
  • Pretraining only — no finetuning / segmentation head is included.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Архитектура v2 неизвестна transformers в образе рантайма.

Ревизия весов
6a8cccb

0 моделей