Модель компьютерного зрения с 1000-кратным превосходством: TAPe+ML v2 обходит RF-DETR с минимальным числом параметров

Команда, стоящая за TAPe+ML v2, заявляет о революционном прорыве в компьютерном зрении: их модель детекции на практической задаче рудозасорения (без COCO-головы, с новым backbone на данных клиента) показывает точность 96%, mAP50 90% и mAP50–95 85%. При этом число параметров модели — менее 100 тысяч, в то время как RF-DETR 2XL использует около 127 миллионов.

Разработчики подчёркивают, что последовательность улучшений, которые привели к такому результату, остаётся ноу-хау и не раскрывается публично. Однако итоговые эффекты были зафиксированы на бенчмарке COCO, подтверждая уровень SOTA при многократно меньших вычислительных затратах.

Пока неясно, насколько универсален подход TAPe+ML v2 — примеры приведены на одной узкой задаче, и без публикации методологии или открытого кода независимая верификация результата невозможна. Если заявления подтвердятся, это может изменить индустрию CV, сделав очень компактные модели конкурентоспособными с гигантскими архитектурами.