3D-эмбеддинги для микроскопии, устойчивые к поворотам и отражениям
schedule 2 мин чтенияобновлено
Компактная 3D-свёрточная нейросеть от JaneliaSciComp, которая превращает найденные особые точки (DoG-детекции) в объёмных снимках световой микроскопии в 64-мерные векторы. Главное отличие от базовой модели (translation-invariant) — полная инвариантность к поворотам и зеркальным отражениям: если один и тот же биологический объект снят под разными углами, нейросеть выдаст для его точек близкие дескрипторы. Модель экспортирована в ONNX и запускается прямо внутри BigStitcher на встроенном Java-движке без внешнего Python-окружения. Инструмент пригодится биологам и специалистам по обработке 3D-изображений для автоматического совмещения многоракурсных съёмок.
Ключевые особенности
Инвариантность к ориентации: стандартизация внутри графа считается по сферической маске радиусом 8 вокселей, а обучение на поворотах до 180° и отражениях позволяет сопоставлять ракурсы без знания их взаимного угла.
Многомасштабный анализ: на вход подаются 5 изотропных кубов размером 16×16×16 вокселей с разным охватом вокруг точки (множители 5, 8, 13, 20 и 30 к масштабу детекции sigma).
Защита от смешивания моделей: каждый массив векторов помечается SHA-256 отпечатком весов и конфига — BigStitcher не даст случайно сопоставить дескрипторы от разных моделей.
Готовность к работе из коробки: файлы ONNX и JSON-конфиг автоматически скачиваются в ~/.bigstitcher/models и работают через встроенный Java ONNX evaluator.
Что можно сделать
Совмещать многоракурсные объёмы (multi-view): вычислять эмбеддинги для флуоресцентных бусин и клеточных ядер в эмбрионах дрозофилы, C. elegans или образцах экспансионной микроскопии и находить пары через косинусное сходство и RANSAC.
Интегрировать в кластерные пайплайны: автоматизировать расчёт дескрипторов и сшивку больших датасетов через утилиту BigStitcher-Spark (версии 0.2.0 и выше) прямо из командной строки.
ПодробнееRecall на реальных повёрнутых парах ракурсов: 72% на новом многоракурсном датасете вне обучающей выборки, 68% на экспансионной микроскопии, 63% на окрашенных ядрах и 18–21% на эмбрионе дрозофилы (у модели без инвариантности к поворотам — 0.1–2%). При повороте на 90° восстанавливает 55% истинных соответствий против 59% без поворота, при отражении по осям — 56%. Ограничения: уступает translation-invariant версии на обычных тайлах одной ориентации (находит 66–89% её соответствий) и хуже работает на структурах, не похожих на ядра и флуоресцентные бусины.
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.
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.
# JaneliaSciComp/bigstitcher-embedding-rotinv-stack64 — A30, FP8 / INT8
# ===== Токены: вставьте свои между кавычками =====
export HF_TOKEN="" # huggingface.co/settings/tokens — для закрытых моделей
# ==========================================
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve JaneliaSciComp/bigstitcher-embedding-rotinv-stack64 --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
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.
Комментарии