Full fix

.gitignore

@@ -4,6 +4,8 @@ cache/
 backtranslate.py
 debug_augmentation.py
 text_augmentation.py
+smoke_train.sh
+*.md
 
 __pycache__/
 *.py[cod]

src/data/gta_uav.py

@@ -167,7 +167,7 @@ def combine_text_levels(
 # ---------------------------------------------------------------------------
 
 def get_image_transforms(
-    image_size: int = 384,
+    image_size: int = 256,
     is_train: bool = True,
 ) -> transforms.Compose:
     """Трансформации для изображений (используются и для drone, и для satellite).
@@ -230,7 +230,7 @@ class GTAUAVTextDataset(Dataset):
         pairs_meta_file: str,
         descriptions_path: str | Path,
         text_levels: list[str] = ("level1",),
-        image_size: int = 384,
+        image_size: int = 256,
         is_train: bool = True,
         use_semipos: bool = True,
         context_length: int = 248,
@@ -392,14 +392,21 @@ def build_dataloaders(
     test_meta: str = "cross-area-drone2sate-test.json",
     batch_size: int = 64,
     num_workers: int = 4,
-    image_size: int = 384,
+    image_size: int = 256,
     build_test: bool = True,
+    mutually_exclusive: bool = True,
+    seed: int = 42,
 ) -> tuple[DataLoader, DataLoader | None]:
     """Создать train и (опционально) диагональный test DataLoader.
 
     build_test=False — не строить test-набор (оценка идёт через
     multi-positive eval из gta_uav_eval, который сам грузит галерею и
     описания; иначе описания читаются дважды).
+
+    mutually_exclusive=True — формировать train-батчи так, чтобы в одном
+    батче не было двух дронов с общим позитивным тайлом (протокол §6.4);
+    убирает false-negatives на диагонали InfoNCE. seed синхронизирует
+    порядок с train seed. False → обычный random shuffle.
     """
     train_dataset = GTAUAVTextDataset(
         data_root=data_root,
@@ -411,6 +418,38 @@ def build_dataloaders(
         use_semipos=True,
     )
 
+    if mutually_exclusive:
+        from src.data.mutually_exclusive_sampler import MutuallyExclusiveBatchSampler
+
+        # Позитивные тайлы (pos + semi-pos) каждого дрона → множества int-id.
+        tile_to_id: dict[str, int] = {}
+        positive_sets: list[set[int]] = []
+        for entry in train_dataset.pairs_meta:
+            names = (
+                entry.get("pair_pos_semipos_sate_img_list")
+                or entry.get("pair_pos_sate_img_list")
+                or []
+            )
+            ids = set()
+            for name in names:
+                ids.add(tile_to_id.setdefault(name, len(tile_to_id)))
+            positive_sets.append(ids)
+
+        batch_sampler = MutuallyExclusiveBatchSampler(
+            positive_sets, batch_size=batch_size, seed=seed, drop_last=True,
+        )
+        train_loader = DataLoader(
+            train_dataset,
+            batch_sampler=batch_sampler,
+            num_workers=num_workers,
+            collate_fn=collate_fn,
+            pin_memory=True,
+        )
+        LOGGER.info(
+            "🧩 Mutually-exclusive sampling ON (seed=%d): нет общих позитивных "
+            "тайлов внутри батча (§6.4)", seed,
+        )
+    else:
         train_loader = DataLoader(
             train_dataset,
             batch_size=batch_size,
@@ -420,6 +459,7 @@ def build_dataloaders(
             pin_memory=True,
             drop_last=True,
         )
+        LOGGER.info("🔀 Random shuffle sampling (mutually_exclusive=False)")
 
     if not build_test:
         LOGGER.info(

src/data/gta_uav_eval.py

@@ -176,7 +176,7 @@ def build_multipos_eval(
     test_meta: str,
     descriptions_path: str | Path,
     text_levels: list[str],
-    image_size: int = 384,
+    image_size: int = 256,
     batch_size: int = 64,
     num_workers: int = 4,
     context_length: int = 248,

src/data/mutually_exclusive_sampler.py

@@ -0,0 +1,108 @@
+"""Mutually-exclusive batch sampler для diagonal InfoNCE (протокол §6.4).
+
+Проблема, которую решает (см. EXPERIMENT_SETUP.md §8):
+    Loss — диагональный InfoNCE: в батче B пар, правильные на диагонали, всё
+    вне диагонали считается негативами. На GTA-UAV один спутниковый тайл часто
+    накрывает несколько дронов (avg 4.58 semi-позитивов). При случайном shuffle
+    два дрона с ОБЩИМ позитивным тайлом попадают в один батч → этот тайл для
+    одного дрона стоит вне диагонали и ошибочно штрафуется как негатив
+    (false-negative), зашумляя градиент.
+
+Решение:
+    Формируем батчи так, чтобы множества позитивных тайлов любых двух дронов
+    в одном батче НЕ пересекались. Тогда, какой бы тайл ни был сэмплирован на
+    диагональ, в батче нет второго дрона, для которого он позитив.
+
+Гарантия консервативная (по ПОЛНЫМ спискам pos+semi-pos), поэтому от выбора
+конкретного тайла в __getitem__ результат не зависит.
+
+Порядок воспроизводим: перестановка зависит только от seed и номера эпохи
+(инкрементируется на каждый __iter__), что согласуется с set_seed в train.py.
+"""
+from __future__ import annotations
+
+import logging
+
+import torch
+from torch.utils.data import Sampler
+
+LOGGER = logging.getLogger("cvgl.data.me_sampler")
+
+
+class MutuallyExclusiveBatchSampler(Sampler[list[int]]):
+    """Batch-sampler: в одном батче нет двух элементов с общим позитивным тайлом.
+
+    Жадное bin-packing first-fit: элементы обходятся в случайном (по seed+epoch)
+    порядке; каждый кладётся в первый открытый батч, чьи уже занятые тайлы не
+    пересекаются с его позитивами и который ещё не заполнен, иначе открывается
+    новый батч. Заполненные до batch_size батчи отдаются наружу.
+
+    Args:
+        positive_sets: Для каждого элемента датасета — множество id позитивных
+            тайлов (int). Пустое множество допустимо (элемент совместим с любым
+            батчом).
+        batch_size: Размер батча.
+        seed: База для генератора перестановок (совпадает с train seed).
+        drop_last: Отбрасывать ли неполные батчи (True — как в обучении).
+    """
+
+    def __init__(
+        self,
+        positive_sets: list[set[int]],
+        batch_size: int,
+        seed: int = 42,
+        drop_last: bool = True,
+    ) -> None:
+        self.positive_sets = [frozenset(s) for s in positive_sets]
+        self.batch_size = batch_size
+        self.seed = seed
+        self.drop_last = drop_last
+        self.n = len(self.positive_sets)
+        self._epoch = 0
+
+    def set_epoch(self, epoch: int) -> None:
+        """Явно задать номер эпохи (опционально; иначе инкремент на __iter__)."""
+        self._epoch = epoch
+
+    def __iter__(self):
+        g = torch.Generator()
+        g.manual_seed(self.seed + self._epoch)
+        order = torch.randperm(self.n, generator=g).tolist()
+        self._epoch += 1
+
+        open_batches: list[dict] = []  # [{"members": [...], "used": set()}]
+        n_yielded = 0
+
+        for idx in order:
+            pos = self.positive_sets[idx]
+            placed = False
+            for b in open_batches:
+                if len(b["members"]) < self.batch_size and b["used"].isdisjoint(pos):
+                    b["members"].append(idx)
+                    b["used"] |= pos
+                    placed = True
+                    if len(b["members"]) == self.batch_size:
+                        open_batches.remove(b)
+                        n_yielded += 1
+                        yield b["members"]
+                    break
+            if not placed:
+                open_batches.append({"members": [idx], "used": set(pos)})
+
+        # Хвост: неполные батчи.
+        for b in open_batches:
+            if not self.drop_last:
+                n_yielded += 1
+                yield b["members"]
+
+        LOGGER.debug(
+            "MutuallyExclusiveBatchSampler: %d батчей выдано (n=%d, bs=%d, drop_last=%s)",
+            n_yielded, self.n, self.batch_size, self.drop_last,
+        )
+
+    def __len__(self) -> int:
+        # Приблизительно: точное число батчей зависит от коллизий и известно
+        # только после прохода. Для drop_last=True это верхняя оценка.
+        if self.drop_last:
+            return self.n // self.batch_size
+        return (self.n + self.batch_size - 1) // self.batch_size

train.py

@@ -292,6 +292,8 @@ def main(args):
         num_workers=args.num_workers,
         image_size=args.image_size,
         build_test=False,  # оценка идёт через multi-positive eval ниже
+        mutually_exclusive=args.mutually_exclusive,
+        seed=args.seed,
     )
 
     # Multi-positive eval (протокол §6.2): уникальная галерея + positive-карты.
@@ -485,7 +487,7 @@ def parse_args():
     p.add_argument("--text_levels", nargs="+", default=["level1"])
     p.add_argument("--train_meta", default="cross-area-drone2sate-train.json")
     p.add_argument("--test_meta", default="cross-area-drone2sate-test.json")
-    p.add_argument("--image_size", type=int, default=384)
+    p.add_argument("--image_size", type=int, default=256)
     p.add_argument("--num_workers", type=int, default=8)
 
     # Model
@@ -496,6 +498,11 @@ def parse_args():
     p.add_argument("--shared_dim", type=int, default=512)
     p.add_argument("--inject_mona", action="store_true", default=True)
     p.add_argument("--mona_bottleneck", type=int, default=64)
+    p.add_argument(
+        "--mutually_exclusive", action=argparse.BooleanOptionalAction, default=True,
+        help="Батчи без общих позитивных тайлов (§6.4); --no-mutually_exclusive "
+             "→ обычный random shuffle.",
+    )
 
     # Training
     p.add_argument("--epochs", type=int, default=50)