C-RADIOv4 (Technischer Bericht)

papers.abstract

Durch den Einsatz von Multi-Teacher-Distillation bieten agglomerative Vision-Backbones ein einheitliches Studenten-Modell, das die unterschiedlichen Fähigkeiten mehrerer Lehrer-Modelle bewahrt und verbessert. In diesem Technologiebericht beschreiben wir die neueste Version der C-RADIO-Modellfamilie, C-RADIOv4, die auf AM-RADIO/RADIOv2.5 im Design aufbaut und bei gleicher Rechenkomplexität deutliche Verbesserungen bei wichtigen Downstream-Aufgaben bietet. Wir veröffentlichen die Modellvarianten -SO400M (412 Mio. Parameter) und -H (631 Mio.), die beide mit einem aktualisierten Set von Lehrer-Modellen trainiert wurden: SigLIP2, DINOv3 und SAM3. Neben Verbesserungen bei Kernmetriken und neuen Fähigkeiten durch die Nachahmung von SAM3 bietet die C-RADIOv4-Modellfamilie erweiterte Any-Resolution-Unterstützung, bringt die ViTDet-Option für drastisch verbesserte Effizienz bei hohen Auflösungen zurück und wird unter einer freizügigen Lizenz bereitgestellt.

English

By leveraging multi-teacher distillation, agglomerative vision backbones provide a unified student model that retains and improves the distinct capabilities of multiple teachers. In this tech report, we describe the most recent release of the C-RADIO family of models, C-RADIOv4, which builds upon AM-RADIO/RADIOv2.5 in design, offering strong improvements on key downstream tasks at the same computational complexity. We release -SO400M (412M params), and -H (631M) model variants, both trained with an updated set of teachers: SigLIP2, DINOv3, and SAM3. In addition to improvements on core metrics and new capabilities from imitating SAM3, the C-RADIOv4 model family further improves any-resolution support, brings back the ViTDet option for drastically enhanced efficiency at high-resolution, and comes with a permissive license.

C-RADIOv4 (Technischer Bericht)

C-RADIOv4 (Tech Report)

papers.abstract

Support