К содержимому
Другое

V-JEPA 2.1 ViT-L DoRA r32

детектор аномалий для камер наблюдения

2 мин чтенияобновлено

Модель определяет нештатные события на записях с камер видеонаблюдения: она анализирует 8-секундные фрагменты видео и выдает оценку того, происходит ли в кадре аномалия. В основе лежит замороженный видеоэнкодер V-JEPA 2.1 ViT-L от Meta, к которому применили DoRA (метод экономичного дообучения, разделяющий веса на величину и направление) и добавили классификационную голову на механизме внимания. Решение опубликовано в рамках магистерской диссертации в Университете Салерно и служит базовым этапом для детектора DoRA-to-VPT. Модель пригодится исследователям и разработчикам систем видеоаналитики для автоматического поиска инцидентов в длинных архивах записей.

Ключевые особенности

  • Адаптация DoRA с рангом r=32 и alpha 64 применена ко всем 24 блокам трансформера (проекции QKV, output и MLP).
  • Поверх энкодера работает голова на механизме внимания (4 блока, 16 голов) с бинарным выходом.
  • Обучаемая часть занимает около 63,7 млн параметров (49,3 млн в голове и 14,4 млн в адаптере), а сам чекпоинт весит 510 МБ.
  • Модель успешно переносится между датасетами: без дообучения (zero-shot) показывает стабильные результаты на MIVIA-Crime.

Что можно сделать

  • Подключить чекпоинт к локальному демо-серверу проекта для автоматической разметки инцидентов на записях с камер наблюдения.
  • Использовать сохраненные веса последнего шага как отправную точку для обучения последовательных детекторов (например, DoRA-to-VPT).
  • Сравнить эффективность PEFT-адаптации видеоэнкодеров при переносе с датасета FS-UCF-Crime на сторонние наборы видеоаномалий.

Пример

import torch

ckpt = torch.load("checkpoint/checkpoint.pt", map_location="cpu", weights_only=True)
head, adapter = ckpt["selected_head"], ckpt.get("selected_adapter", {})
print(ckpt["identity"]["run_id"], ckpt["selected_step"])
ПодробнееМетрики на тесте FS-UCF-Crime: Row AUC — 94.78%, Video F1 — 81.70%, Event recall — 82.82%, Protocol Mean — 85.64%. На кросс-датасете MIVIA-Crime: Row AUC — 92.29%, Video F1 — 81.23%.
Входной формат: 8-секундные чанки (шаг 4 с), 32 кадра (~4 fps), разрешение 384×384 без обрезки; порог срабатывания τ = 0.0863.
Ограничения: в репозитории нет весов базового V-JEPA 2.1 ViT-L (нужно скачать отдельно у Meta), модель лишь фиксирует факт аномалии без определения ее класса, не предназначена для возобновления обучения и распространяется под некоммерческой лицензией PolyForm Noncommercial 1.0.0.
Обсудить Telegram 0 21

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.5 GB · готовые файлы1.0 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.8 GB
  • 4-bitвеса 0.1 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # apiantonio/vjepa2.1-l-ucf-crime-dora-r32-1ep
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download apiantonio/vjepa2.1-l-ucf-crime-dora-r32-1ep --local-dir ~/models/vjepa2.1-l-ucf-crime-dora-r32-1ep
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к vjepa2.1-l-ucf-crime-dora-r32-1ep
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии vjepa2.1-l-ucf-crime-dora-r32-1ep — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

apiantonio/vjepa2.1-l-ucf-crime-dora-r32-1ep
Автор
apiantonio
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

210

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

MM-PET-AI

MM-PET-AI