LingBot-Vision

LingBot-Vision 是 Robbyant 发布的一系列自监督 vision transformer 骨干，用以边界为中心的掩码建模训练，面向稠密空间感知。LibreYOLO 给这个骨干配上一个稠密 head，只支持一个任务：语义分割。

任务: semantic
尺寸
安装: pip install libreyolo
支持层级: 已支持，自 v 起。起支撑作用的可训练家族：在 CI 里保持绿色，功能视情况落地。
上游: LingBot-Vision，由 Robbyant (Ant Group) 发布，采用 Apache-2.0 许可。论文、源码
许可: 代码采用 Apache-2.0，权重采用 Apache-2.0。商用

安装

LingBot-Vision 不需要任何可选 extra。它导入的一切都在基础安装里。

bash

pip install libreyolo

预测

权重在首次使用时从 Hugging Face 下载，并缓存在本地。

Python

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreLingBotVisions-sem.pt")result = model(SAMPLE_IMAGE, save=True) mask = result.semantic_maskprint(mask.data.shape, mask.classes)

CLI

libreyolo predict model=LibreLingBotVisions-sem.pt source=https://raw.githubusercontent.com/LibreYOLO/libreyolo/release/libreyolo/assets/parkour.jpg save=True

result.semantic_mask 承载稠密的类别图：.data 是一个按原图尺寸给出的 (H, W) 类别 id 张量，.classes 列出实际出现的类别 id。result.boxes 是 None，因为这里没有逐实例的检测结果。conf 和 iou 为了 API 一致而被接受，但不会改变输出，因为模型返回的是每个像素一个类别，而不是可供过滤的检测结果。数据源、流式处理和结果处理见预测。

变体

已发布三种尺寸，s、b 和 l，从一个 11 亿参数的 ViT-g/16 教师模型蒸馏而来。教师模型本身，也就是尺寸 g，在 LibreYOLO 里可以加载和微调，但 LibreYOLO 自己并不托管 g 检查点（checkpoint）。

文件	输入（px）	权重许可
semantic
LibreLingBotVisions-sem.pt		apache-2.0
LibreLingBotVisionb-sem.pt		apache-2.0
LibreLingBotVisionl-sem.pt		apache-2.0

上面的每个文件目前都在 LibreYOLO 组织中，并会在首次使用时下载。

训练

train() 微调一个已发布的检查点。默认配方是上游报告里的线性探针：ViT 骨干被冻结，只训练 1x1 的稠密 head，与上面那些由 LibreYOLO 托管的权重的产出方式一致。传 freeze_backbone=False 可以改成微调整个网络，并且要相应调低 lr0。

Python（线性探针）

from libreyolo import LibreYOLO # 骨干默认冻结，与上游的评测协议一致：# 只训练 1x1 的稠密 headmodel = LibreYOLO("LibreLingBotVisions-sem.pt")model.train(data="my-dataset.yaml", epochs=20, imgsz=512, batch=16)

CLI

libreyolo train model=LibreLingBotVisions-sem.pt data=my-dataset.yaml \  epochs=20 imgsz=512 batch=16

完整微调

from libreyolo import LibreYOLO model = LibreYOLO("LibreLingBotVisions-sem.pt")model.train(    data="my-dataset.yaml", epochs=20, imgsz=512, batch=16,    freeze_backbone=False,)

多卡训练

libreyolo train model=LibreLingBotVisions-sem.pt data=my-dataset.yaml \  epochs=20 device=0,1 batch=32

数据集、数据增强、多卡训练和日志器见训练。

验证

val() 返回一个由 metrics/ 开头的键组成的字典：mIoU 和像素精度，在任何采用你训练所用格式的数据集上测量。

Python

from libreyolo import LibreYOLO model = LibreYOLO("LibreLingBotVisions-sem.pt")metrics = model.val(data="my-dataset.yaml") print(metrics["metrics/mIoU"])print(metrics["metrics/pixel_accuracy"])

CLI

libreyolo val model=LibreLingBotVisions-sem.pt data=my-dataset.yaml

导出

任务	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
semantic	semantic to ONNX：支持	semantic to TorchScript：支持	semantic to ExecuTorch：支持	semantic to TensorRT：支持	semantic to OpenVINO：支持	semantic to Paddle：不支持	semantic to MNN：不支持	semantic to RKNN：不支持	semantic to ncnn：不支持	semantic to TFLite：不支持	semantic to CoreML：不支持	semantic to Core AI：支持

导出的产物按文件后缀经由 LibreYOLO() 重新加载，所以一个 .onnx 或 .engine 文件的表现和检查点一样，返回同样的 Results。导出列出了每种格式接受的参数。

Python

from libreyolo import LibreYOLO model = LibreYOLO("LibreLingBotVisions-sem.pt")model.export(format="onnx", imgsz=512)model.export(format="coreai", imgsz=512)

CLI

libreyolo export model=LibreLingBotVisions-sem.pt format=onnx imgsz=512

使用导出的文件

from libreyolo import LibreYOLO, SAMPLE_IMAGE # 工厂按文件后缀分发，所以导出的产物加载方式和任何检查点一样，# 返回的也是同一个 Results 对象model = LibreYOLO("LibreLingBotVisions-sem.onnx")result = model(SAMPLE_IMAGE) print(result.semantic_mask.data.shape)

检查点

这个家族已发布的全部权重文件。

文件	输入（px）	权重许可
semantic
LibreLingBotVisions-sem.pt		apache-2.0
LibreLingBotVisionb-sem.pt		apache-2.0
LibreLingBotVisionl-sem.pt		apache-2.0

上面的每个文件目前都在 LibreYOLO 组织中，并会在首次使用时下载。

许可证

请检查你所下载的具体权重在 Hugging Face 仓库中的许可。LibreYOLO 组织里的每个检查点都附有许可，同一家族内也不一定相同。该仓库是权威来源；以下摘要说明本页上次验证时适用的情况。

这里只说明涉及的许可证，不构成法律意见。如果答案对商用很重要，请自行阅读许可证并咨询法律顾问。

原始工作: LingBot-Vision, Robbyant (Ant Group)
上游许可: Apache-2.0
上游来源: github.com/robbyant/lingbot-vision
LibreYOLO 代码: MIT
权重: 采用 Apache-2.0 许可，重新发布在 huggingface.co/LibreYOLO
解读: Apache-2.0 is a permissive license, so these weights can be used in commercial and closed-source products. It asks you to keep its license text and attribution notices with any copy of the weights you redistribute, and it grants a patent license. The LibreYOLO-hosted checkpoints combine Robbyant's Apache-2.0 backbone weights with a dense segmentation head LibreYOLO trained itself, so the whole checkpoint file carries the same permissive terms end to end.

上游发布的说明写明，它的 ViT 建立在 Meta AI 发表的 DINOv2/DINOv3 架构之上。 Robbyant 以 Apache-2.0 许可分发他们的实现，而这次 LibreYOLO 的移植只依据 Robbyant 的仓库完成，从未取自 Meta 的 DINOv2 或 DINOv3 代码。

引用

@article{lingbot-vision2026,
  title={Vision Pretraining for Dense Spatial Perception},
  author={Fu, Zelin and Tan, Bin and Sun, Changjiang and Liu, Shaohui and Zheng, Kecheng and Xu, Yinghao and Zhu, Xing and Shen, Yujun and Xue, Nan},
  journal={arXiv preprint arXiv:2607.05247},
  year={2026}
}

复制自作者在 github.com/robbyant/lingbot-vision#-citation 上提供的引用块。