/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Архитектура
omni · MoE
Библиотека
transformers
Опубликована
22 сен 2026

omni-large

Эмбеддинги изображенийИзображение → embedding

OMNI-Large — энкодер изображений цифровой патологии, извлекающий эмбеддинги для классификации и анализа гистологических фрагментов и препаратов.

33скачиваний за 30 дней0лайковвеса обновлены7 окт 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

OMNI-Large — визуальный энкодер для цифровой патологии, представленный авторами работы Scaling Multi-Teacher Distillation for Digital Pathology. Модель извлекает эмбеддинги из изображений тканевых срезов и предназначена для последующей классификации на уровне фрагментов и целых препаратов, поиска похожих изображений и обучения задачным классификаторам.

Модель содержит 330 млн параметров и построена на ViT-Large/14 с MoE-блоками в верхней части. Она дистиллирована одновременно из десяти моделей для патологии и обучена на 10 млн фрагментов из 10 тысяч целых гистологических изображений TCGA. Для каждого фрагмента по умолчанию возвращается среднее десяти специализированных токенов учителей; также доступны отдельные токены и токены фрагментов. Для входного изображения 224×224 заявлено 67,45 GFLOPs.

Модель ориентирована на изображения цифровой патологии и не предназначена для самостоятельной генерации текста или постановки клинического диагноза. Для коммерческого использования требуется учитывать лицензию CC BY-NC 4.0, которая ограничивает использование некоммерческими целями.

Сценарии применения

  • извлечение признаков из гистологических изображений
  • классификация фрагментов ткани с обучением линейного классификатора
  • поиск похожих гистологических изображений по эмбеддингам
  • агрегация признаков фрагментов для анализа целого препарата
  • оценка качества представлений методом kNN

Ограничения

Модель предназначена для анализа изображений патологии и требует последующего классификатора или другого downstream-метода для прикладных предсказаний. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OMNI-L: Scaling Multi-Teacher Distillation for Digital Pathology

Model Summary

OMNI-L is a 330M-parameter pathology vision encoder distilled from 10 state-of-the-art pathology foundation models at once. Instead of compressing all teachers into a single CLS token (vanilla multi-teacher distillation), OMNI learns one token per teacher, together with a structured attention mask, Mixture-of-Experts (MoE) layers and a per-teacher contrastive loss. This lets distillation keep improving as more teachers are added.

By default the model returns the average of its 10 teacher-specific tokens, which is the embedding used for all results below. The individual teacher tokens and the patch tokens can also be returned with a flag.

  • ⚡ Efficient: 67.45 GFLOPs per 224×224 tile
  • 🧠 Distilled from 10 teachers: H-optimus-1, Virchow2, UNI2-h, Prov-GigaPath, Kaiko-ViT-B/8, CONCH v1.5, Hibou-L, H0-mini, KEEP, DINOv3-ViT-L/16
  • 📚 Trained on 10M tiles from 10k TCGA whole-slide images

Other sizes of the collection:

ModelParamsDimGFLOPsTile LP F1 (%)Slide LP BAcc (%)
OMNI-T7.3M1921.3983.963.2
OMNI-S28.7M3845.4885.363.1
OMNI-B114M76821.887.163.2
OMNI-L (this model)330M102467.4587.863.5

📄 Paper: Scaling Multi-Teacher Distillation for Digital Pathology (NeurIPS 2026 Main Track)


Model Details

ArchitectureViT-Large/14 with a MoE tail
Embedding dim1024
Depth / heads24 blocks / 16 heads
MoElast 5 blocks, 5 experts, top-2 routing
Teacher tokens10 (one per teacher)
Input224 × 224 RGB, ImageNet normalization
Patch tokens16 × 16 = 256

Results

Linear probing on THUNDER (tile level, 13 datasets, TCGA datasets removed) and PathoBench (slide level, 25 CPTAC tasks, mean pooling), plus kNN and 16-shot classification on THUNDER:

Tile LP F1 (%)Slide LP BAcc (%)kNN F1 (%)16-shot F1 (%)
87.863.584.880.7

Usage

import torch
from PIL import Image
from transformers import AutoModel

device = "cuda" if torch.cuda.is_available() else "cpu"

# Load OMNI-L
model = AutoModel.from_pretrained("sofieneb/omni-large", trust_remote_code=True).to(device).eval()
transform = model.get_transform()  # resize to 224 + ImageNet normalization

image = Image.open("tile.png").convert("RGB")
x = transform(image).unsqueeze(0).to(device)  # (1, 3, 224, 224)

with torch.inference_mode():
    embedding = model(x)  # average of the 10 teacher tokens

print(embedding.shape)  # (1, 1024)

Teacher tokens and patch tokens

with torch.inference_mode():
    out = model(x, return_teacher_tokens=True, return_patch_tokens=True)

out["embedding"]       # (1, 1024)       average of the teacher tokens (same as model(x))
out["teacher_tokens"]  # (1, 10, 1024)   one token per teacher
out["patch_tokens"]    # (1, 256, 1024)  16 x 16 patch tokens

# Teacher order of the tokens
print(model.teachers)

# Example: keep the token of a single teacher
idx = 0  # position of the teacher you want in model.teachers
single_teacher = out["teacher_tokens"][:, idx]  # (1, 1024)

Teacher tokens are well separated and complementary, so the simple average works well out of the box. You can also learn a task-specific weighting of the 10 tokens (see Table 2 of the paper).

Mixed precision

with torch.inference_mode(), torch.autocast(device_type="cuda", dtype=torch.bfloat16):
    embedding = model(x)

Quick evaluation with THUNDER

eval_thunder.py wraps the model for the THUNDER benchmark.

Install THUNDER and set its data folder, where datasets, embeddings and results are stored:

pip install thunder-bench
export THUNDER_BASE_DATA_FOLDER=/path/to/thunder_data
hf download sofieneb/omni-large eval_thunder.py --local-dir .

Then run the benchmark, choosing the datasets with --datasets. The datasets are downloaded and their splits generated automatically before benchmarking (add --no-download to skip this once they are in place):

python eval_thunder.py --datasets <dataset> --tasks knn linear_probing

For example, on MHIST:

python eval_thunder.py --datasets mhist --tasks knn linear_probing

Results are written to $THUNDER_BASE_DATA_FOLDER/outputs/res/<dataset>/omni-large/<task>/. To collect them in one CSV:

thunder results-summary

Offline usage (HPC clusters without internet)

If compute nodes don't have internet, always run jobs with the offline flags:

export HF_HUB_OFFLINE=1
export TRANSFORMERS_OFFLINE=1

Prepare the model in advance on a front-end/login node (with internet):

hf download sofieneb/omni-large --local-dir ./omni-large

Then in your offline job/script:

from transformers import AutoModel
model = AutoModel.from_pretrained(
    "./omni-large",        # local path instead of hub ID
    trust_remote_code=True,
    local_files_only=True,  # uses local files only
)

Citation

If our work contributes to your research, please consider citing our paper:

@inproceedings{boutaj2026omni,
    author    = {Boutaj, Sofi{\`e}ne and Marza, Pierre and Belagali, Varun and
                 Samaras, Dimitris and Vakalopoulou, Maria and Christodoulidis, Stergios},
    title     = {Scaling Multi-Teacher Distillation for Digital Pathology},
    booktitle = {Advances in Neural Information Processing Systems (NeurIPS)},
    year      = {2026}
  }

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-feature-extraction

Нельзя запустить

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

Класс архитектуры
OmniModel
Ревизия весов
a4c709b

0 моделей