Исследователи представили модель TAPe+ML v3 для компьютерного зрения

Опубликована научная работа с результатами тестирования архитектуры TAPe+ML v3 на задачах классификации, детекции и сегментации. Разработка объединяет несколько направлений компьютерного зрения в едином компактном ядре.

Модель демонстрирует 88,1% Top-1 на датасете ImageNet-1k, 65,3 mAP50–95 в задаче детекции на COCO и 58,4 Mask mAP50–95 в instance-сегментации. При этом покрытие объектов масками на LVIS достигает 98,2%.

Главной особенностью системы стал размер ядра: он составляет менее 100 тыс. параметров. В тестах разработка превосходит более крупные SOTA-решения, включая модели семейства YOLO и RF-DETR, а также сопоставима с крупными foundation-моделями.

Авторы отмечают, что подход применим в промышленном OOD-пилоте и индексации сцен в видео. Подробные данные исследования и код доступны в статье на Habr.