К содержимому
Другое

EscRq1/nisar-seg-vith

поиск изменений на радарных снимках NISAR

2 мин чтенияобновлено

Исследовательская модель от EscRq1 для битемпорального анализа спутниковых радарных данных NISAR (сравнения снимков одной территории за два разных момента времени). Она принимает пару выровненных снимков в поляризациях HH и HV и строит попиксельную карту изменений обратного радарного рассеяния. В основе лежит сиамский энкодер ViT-H/14 (Vision Transformer с общими весами для обоих снимков, предварительно обученный методом MAE на данных NISAR) и свёрточная голова (CNN) для локализации отличий. В отличие от классификаторов земного покрова, модель лишь выделяет зоны, где сигнал изменился, но не определяет причину — будь то наводнение, вырубка леса или стройка. Пригодится специалистам по дистанционному зондированию Земли и исследователям геоданных.

Ключевые особенности

  • Сиамская архитектура: оба снимка (T0 и T1) проходят через один и тот же энкодер ViT-H/14 с патчами 14×14, что переводит признаки в единое пространство.
  • Тайловый инференс: большие сцены разбиваются на перекрывающиеся фрагменты 224×224 пикселя, а предсказания затем сшиваются в бесшовную карту.
  • Фокус на локализации: чекпоинт detector.safetensors содержит только детектор изменений (без классификатора типов поверхности и LLM-обвязки).
  • Гибкая постобработка: на выходе получаются непрерывная карта оценок изменений, бинарная маска по заданному порогу и визуальное наложение на исходный снимок.

Что можно сделать

  • Мониторинг территорий: отслеживать динамику влажности почвы, растительности, водных поверхностей и застройки по парам снимков NISAR Level-2 GCOV.
  • Первичный отбор сцен: автоматически находить участки с аномальными сдвигами сигнала для дальнейшей ручной проверки экспертами или анализа разности T1 − T0.

Пример

Вход: два выровненных по сетке радарных снимка NISAR (T0 — более ранний, T1 — более поздний) с каналами поляризации HH и HV.
Выход: непрерывная карта оценок изменений (Change score map), бинарная маска (Thresholded change mask) при превышении выбранного порога и наложение зон изменений поверх снимка T0 (Change overlay).

ПодробнееОбучение: 2 этапа — self-supervised адаптация ViT-H через MAE на снимках NISAR и обучение детектора на автоматически сгенерированных целях.
Ограничения: оценки модели не являются калиброванными вероятностями; смещение сетки, спекл-шум и условия съёмки могут давать ложные срабатывания.
Метрики: независимая оценка точности на вручную проверенных сценах пока не проводилась.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 2.4 GB · готовые файлы3.1 GB
  • FP8 / INT8рекомендуемвеса 1.2 GB1.8 GB
  • 4-bitвеса 0.7 GB1.2 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.

    # EscRq1/nisar-seg-vith
    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 EscRq1/nisar-seg-vith --local-dir ~/models/nisar-seg-vith
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к nisar-seg-vith
  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 nisar-seg-vith — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

EscRq1/nisar-seg-vith
Автор
EscRq1
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии