STILL-Qwen3.5-9B
VLM-верификатор изменений на сцене
1 мин чтенияобновлено
Модель STILL-Qwen3.5-9B решает задачу детектирования изменений на сцене между двумя визитами, определяя, остался ли объект на месте, пропал или переместился. На основе базовой модели Qwen/Qwen3.5-9B (около 9.4 млрд параметров) и научной работы авторов, модель обучена сопоставлять кадры и координаты объектов с двух ракурсов. Она полезна исследователям и разработчикам систем компьютерного зрения, робототехники и мониторинга пространства.
Ключевые особенности
- Полный файнтюн базовой модели
Qwen/Qwen3.5-9Bв формате bf16. - Специализирован на обнаружении изменений между визитами на одну сцену.
- Поддерживает два формата оценки: Scene view (по кадрам) и Place view (по кропам).
- Возвращает вероятности для статусов
same,changedиunseen.
Что можно сделать
- Интегрировать модель в системы видеонаблюдения для автоматического отслеживания изменений.
- Применять в робототехнике для анализа состояния помещений со временем.
- Запускать оценку и настраивать пороги с помощью скриптов из официального репозитория.
Пример
import torch
from transformers import AutoModelForImageTextToText, AutoProcessor
name = "oran9er/STILL-Qwen3.5-9B"
proc = AutoProcessor.from_pretrained(name)
model = AutoModelForImageTextToText.from_pretrained(name, torch_dtype=torch.bfloat16).cuda().eval()
Подробнее
Бенчмарки: AP 58.1, F1 59.9 на SceneDiff SD-V тесте.Требования: VRAM для модели 9.4B параметров в bf16.
Лицензия: Apache-2.0.










Комментарии