/ Модель

Характеристики

Архитектура
raev2 · dense
Библиотека
transformers
Опубликована
9 июл 2026

raev2-dinov3l-k7

Преобразование изображенийИзображение, текст → изображение3 профессии

Модель RAEv2 с энкодером DINOv3-L и декодером K7 кодирует изображения в латентное представление и восстанавливает из него RGB-изображения.

11скачиваний за 30 дней0лайковвеса обновлены11 июл 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

toilaluan/raev2-dinov3l-k7 — самодостаточная модель RAEv2 первого этапа с предварительно обученным энкодером DINOv3-L и декодером общего назначения DINOv3-L K7. Она предназначена для кодирования изображений в латентное представление и восстановления RGB-изображений из него; метаданные классифицируют её как image-to-image. Для работы требуется Transformers версии 4.56 или новее.

Декодер возвращает необработанный RGB-прогноз без ограничения диапазона или масштабирования, а статистики сдвига и масштаба латентного пространства в репозиторий не включены.

Сценарии применения

  • получение латентного представления изображения
  • восстановление RGB-изображения из латентного представления
  • эксперименты с кодировщиками и декодировщиками изображений
  • визуализация результата декодирования RAEv2

Ограничения

Статистики сдвига и масштаба латентного пространства не включены. Декодер выдаёт необработанный RGB-прогноз без ограничения диапазона и масштабирования.

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

RAEv2 DINOv3-L K7

Self-contained RAEv2 stage-1 model with the pretrained DINOv3-L encoder and general-domain DINOv3-L K7 decoder. Latent shift/scale statistics are intentionally not included.

import torch
from transformers import AutoModel

model = AutoModel.from_pretrained(
    "YOUR_ORG/YOUR_REPO",
    trust_remote_code=True,
).eval().to("cuda")

# RGB float tensor in [0, 1] (a [0, 255] tensor is also accepted).
images = torch.rand(1, 3, 256, 256, device="cuda")
latents = model.encode(images)       # [1, 1024, 16, 16]
reconstructions = model.decode(latents)  # [1, 3, 256, 256]

# The components are directly accessible too.
latents = model.encoder(images)
reconstructions = model.decoder(latents)

decode returns the decoder's raw RGB prediction; it does not clamp or rescale the result.

Requires transformers>=4.56.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Класс архитектуры
RAEv2Model
Ревизия весов
46ce5a7

0 моделей