/ Модель

Характеристики

Лицензия
fair-noncommercial-research-license
Библиотека
timm
Опубликована
27 мая 2026

convnext_base.eupe_lvd1689m

Эмбеддинги изображенийИзображение → embedding3 профессии

Энкодер ConvNeXt Base преобразует изображения в признаки и эмбеддинги для задач компьютерного зрения.

164скачиваний за 30 дней1лайквеса обновлены27 мая 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

timm/convnext_base.eupe_lvd1689m — визуальный энкодер признаков на архитектуре ConvNeXt Base из библиотеки PyTorch Image Models (timm). Модель разработана с использованием метода Efficient Universal Perception Encoder и дистиллирована на наборе LVD-1689M от прокси-учителя, который, в свою очередь, обучался с помощью нескольких специализированных визуальных энкодеров. В карточке указано 87,6 млн параметров и размер входного изображения 256 × 256 пикселей.

Модель преобразует изображения в эмбеддинги и карты признаков для последующего применения в классификации изображений и других задачах компьютерного зрения. Она рассчитана на визуальное представление объектов и сцен, а не на генерацию текста или изображений. Для обучения использован LVD-1689M. Лицензия FAIR Noncommercial Research License разрешает некоммерческое использование в исследовательских целях.

Сценарии применения

  • извлечение эмбеддингов из изображений
  • получение карт визуальных признаков
  • подготовка признаков для классификатора изображений

Ограничения

Входной размер изображения, указанный в карточке, составляет 256 × 256 пикселей; качество на конкретной задаче зависит от последующей модели и настройки пайплайна. Лицензия ограничивает использование некоммерческими исследовательскими целями.

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

Model card for convnext_base.eupe_lvd1689m

An EUPE ConvNeXt image feature encoder. Distilled on LVD-1689M using the Efficient Universal Perception Encoder method, from a proxy teacher distilled from multiple domain-expert foundation vision encoders.

Model Details

Model Usage

Image Classification

from urllib.request import urlopen
from PIL import Image
import timm

img = Image.open(urlopen(
    'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

model = timm.create_model('convnext_base.eupe_lvd1689m', pretrained=True)
model = model.eval()

# get model specific transforms (normalization, resize)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0))  # unsqueeze single image into batch of 1

top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)

Feature Map Extraction

from urllib.request import urlopen
from PIL import Image
import timm

img = Image.open(urlopen(
    'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

model = timm.create_model(
    'convnext_base.eupe_lvd1689m',
    pretrained=True,
    features_only=True,
)
model = model.eval()

# get model specific transforms (normalization, resize)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0))  # unsqueeze single image into batch of 1

for o in output:
    # print shape of each feature map in output
    # e.g.:
    #  torch.Size([1, 128, 64, 64])
    #  torch.Size([1, 256, 32, 32])
    #  torch.Size([1, 512, 16, 16])
    #  torch.Size([1, 1024, 8, 8])

    print(o.shape)

Image Embeddings

from urllib.request import urlopen
from PIL import Image
import timm

img = Image.open(urlopen(
    'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

model = timm.create_model(
    'convnext_base.eupe_lvd1689m',
    pretrained=True,
    num_classes=0,  # remove classifier nn.Linear
)
model = model.eval()

# get model specific transforms (normalization, resize)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0))  # output is (batch_size, num_features) shaped tensor

# or equivalently (without needing to set num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# output is unpooled, a (1, 1024, 8, 8) shaped tensor

output = model.forward_head(output, pre_logits=True)
# output is a (1, num_features) shaped tensor

Model Comparison

See the associated paper for details on the evaluation protocols.

ModelParamsTextVQASQARealworldPOPEGQAMMEpSPairNYUv2ADE20k
EUPE-ConvNeXt-T29M43.768.847.983.463.01278.141.30.43043.5
EUPE-ConvNeXt-S50M45.068.950.584.064.71284.240.10.38846.8
EUPE-ConvNeXt-B89M46.470.153.384.765.81348.937.70.36548.9

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},
  url={https://arxiv.org/abs/2603.22387},
}
@article{liu2022convnet,
  author  = {Zhuang Liu and Hanzi Mao and Chao-Yuan Wu and Christoph Feichtenhofer and Trevor Darrell and Saining Xie},
  title   = {A ConvNet for the 2020s},
  journal = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
  year    = {2022},
}
@misc{rw2019timm,
  author = {Ross Wightman},
  title = {PyTorch Image Models},
  year = {2019},
  publisher = {GitHub},
  journal = {GitHub repository},
  doi = {10.5281/zenodo.4414861},
  howpublished = {\url{https://github.com/huggingface/pytorch-image-models}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · timm · image-feature-extraction

Можно запустить

Подбираем GPU…

Ревизия весов
37f78c8

0 моделей