К содержимому
Другое

PaleVision

эволюционный подход к спектральному зрению

2 мин чтения

Новая исследовательская модель с конференции NeurIPS 2026 исследует эволюцию цветного зрения (EVPL — эволюционные слои зрительного восприятия) для задач семантической сегментации на гиперспектральных изображениях. Решение моделирует спектральные отклики опсинов и объединяет их со сверточными сетями и сегментационными головками для работы со сложными спектральными данными. Разработка ориентирована на исследователей в области компьютерного зрения и спектральной обработки данных, которым требуется воспроизвести эксперименты или использовать готовые веса для анализа специфических датасетов.

Ключевые особенности

  • EVPL-архитектура: Использование обучаемых слоев спектрального отклика на базе биологических моделей эволюции зрения.
  • Высокие метрики: Наличие готовых SOTA-весов для датасетов MODID, MHSI и MinnApple с фиксированными результатами mIoU.
  • Гибкость конфигураций: Поддержка различных бэкендов (включая MiT-B0, Twins-SVT-Small и PVT-v2-B2).
  • Инструменты обучения: Скрипты на PyTorch и torchrun для многопроцессорного запуска экспериментов.

Что можно сделать

  • Анализ Марса: Запустить обучение и оценку спектральных фильтров и сегментации на данных Mars MSL.
  • Обработка агроданных: Применить чекпоинты для детекции, подсчета и сегментации на датасете MinnApple.
  • Тестирование энкодеров: Выполнить замену энкодеров (encoder_swap_exp.py) с настраиваемыми режимами opsin_mode.
  • Инференс весов: Загрузить готовые чекпоинты ( backbone, head и EVPL ) в Python-скриптах для тестирования на собственных данных.

Пример

import torch
ckpt = torch.load("weights/modid_twins_svt_small_free.pth", map_location="cpu")
backbone.load_state_dict(ckpt["backbone"])
head.load_state_dict(ckpt["head"])
evpl.load_state_dict(ckpt["evpl"])
ПодробнееБенчмарки: MODID (mIoU 0.6006), MHSI (mIoU 0.5727), MinnApple segmentation (mIoU 0.4845), MinnApple counting (MAE 2.446).
Железо: NVIDIA GPU с достаточным объемом памяти для бэкендов в разрешении конфигов; возможна загрузка на CPU.
Ограничения: Весы содержат только параметры модулей без состояния оптимизатора; модели жестко привязаны к тренировочным датасетам.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.2 GB · готовые файлы0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.0 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.

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

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

О модели

smilelab/PaleVision
Автор
smilelab
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

Другое

Mundus 0.1

Mundus 0.1