К содержимому
Другое

Кросс-модальные энкодеры SAR-optical

обнаружение изменений на спутниковых снимках без дообучения

2 мин чтенияобновлено

Набор из трёх предобученных нейросетевых фреймворков (DeCUR, CROMA и CroCoMAE) от автора tanodino, предназначенных для задачи zero-shot change detection (обнаружение изменений на местности без дополнительного обучения на целевых данных). Модели сравнивают оптический снимок со спутника Sentinel-2 до события с радарным снимком SAR (радиолокатор с синтезированной апертурой) со спутника Sentinel-1 после события и строят карту изменений. В основе каждого фреймворка лежит архитектура ViT-Small (компактный Vision Transformer — нейросеть для анализа изображений), обученная методом самообучения (self-supervised learning) по единому протоколу. Релиз пригодится исследователям и разработчикам в сфере дистанционного зондирования Земли, которым нужно сопоставлять разнородные спутниковые данные.

Ключевые особенности

  • Три архитектурных подхода в одном релизе: DeCUR (317,6 млн параметров), CROMA (60,6 млн) и CroCoMAE (44,3 млн).
  • Кросс-модальное сопоставление: связывает оптические каналы Sentinel-2 (B2, B3, B4, B8) и радарные данные Sentinel-1 (VV, VH в дБ) в едином пространстве признаков.
  • Единый протокол предобучения: все три модели обучены на 1 609 824 тайлах размером 64×64 пикселя из датасета SSL4EO-S12 v1.1 (чекпоинт 148 000 шагов).
  • Открытая лицензия CC BY 4.0 и готовые файлы статистики нормализации (norm_stats.json) и конфигурации для каждого фреймворка.

Что можно сделать

  • Строить карты изменений местности в режиме zero-shot, сравнивая архивные оптические снимки Sentinel-2 со свежими радарными снимками Sentinel-1 (например, при облачности после события).
  • Сравнить эффективность трёх подходов к кросс-модальному самообучению (DeCUR, CROMA, CroCoMAE) в единых условиях на собственных геопространственных данных.
  • Извлекать выровненные векторы признаков из спутниковых тайлов 64×64 для интеграции в пайплайны мониторинга Земли.

Пример

import json
from model_loading import load_model

info = json.load(open("croma/model_info.json"))
model, step = load_model("croma", info)  # step == 148000
ПодробнееАрхитектура энкодеров: по одному ViT-Small на модальность (384 измерения, 12 слоёв, 6 голов, патчи 8×8 на входах 64×64).
Объём параметров для инференса (энкодеры + проекторы/голова): 42,8 млн (CroCoMAE), 45,4 млн (CROMA) и 317,6 млн (DeCUR).
Обучение: 100 614 пар снимков Sentinel-1/2 (декабрь 2019 — октябрь 2021), batch size 512, оптимизатор AdamW, 1 GPU.
Для запуска требуется официальный репозиторий кода (extract_features.py); CROMA и CroCoMAE работают в режиме 16 видимых токенов из 64.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.2 GB · готовые файлы1.8 GB
  • FP8 / INT8рекомендуемвеса 0.6 GB1.2 GB
  • 4-bitвеса 0.3 GB0.9 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.

    # tanodino/sar-optical-ssl-zero-shot-cd
    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 tanodino/sar-optical-ssl-zero-shot-cd --local-dir ~/models/sar-optical-ssl-zero-shot-cd
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к sar-optical-ssl-zero-shot-cd
  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 sar-optical-ssl-zero-shot-cd — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

tanodino/sar-optical-ssl-zero-shot-cd
Автор
tanodino
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

skyPeak-11n

skyPeak-11n