Hugging Face's logo

AbstractPhil
/
geolip-SVAE

TensorBoard
Model card Files
xet
 Metrics Community
1
geolip-SVAE
File size: 17,525 Bytes
26fbfd4
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
======================================================================
JOHANNA-TINY FULL BATTERY DIAGNOSTIC
======================================================================
  Loading local: /content/checkpoints/best.pt
  Epoch: 10, MSE: 0.06776364320516587
  Config: {'V': 256, 'D': 16, 'patch_size': 16, 'hidden': 768, 'depth': 4, 'n_cross_layers': 2, 'target_cv': 0.125, 'dataset': 'curriculum_noise', 'img_size': 64, 'lr': 0.0003}
  Loaded 16,942,419 params

======================================================================
TEST 1: Per-Type Reconstruction MSE (100 samples each)
======================================================================
  gaussian          : 0.068355 ยฑ 0.003237  [0.059153 โ€” 0.076495]
  uniform           : 0.034244 ยฑ 0.001081  [0.031722 โ€” 0.036898]
  uniform_scaled    : 0.092888 ยฑ 0.003874  [0.084341 โ€” 0.101410]
  poisson           : 0.070939 ยฑ 0.027295  [0.032886 โ€” 0.121031]
  pink              : 0.462492 ยฑ 0.979842  [0.062882 โ€” 7.263476]
  brown             : 0.302245 ยฑ 0.799905  [0.063013 โ€” 7.263476]
  salt_pepper       : 0.576325 ยฑ 0.010698  [0.553726 โ€” 0.601653]
  sparse            : 0.045705 ยฑ 0.002368  [0.040154 โ€” 0.051907]
  block             : 0.072499 ยฑ 0.010697  [0.053181 โ€” 0.125361]
  gradient          : 0.201614 ยฑ 0.013891  [0.176683 โ€” 0.228614]
  checkerboard      : 0.072973 ยฑ 0.006283  [0.055622 โ€” 0.093111]
  mixed             : 0.036839 ยฑ 0.003151  [0.032720 โ€” 0.048418]
  structural        : 1.918920 ยฑ 0.054320  [1.851429 โ€” 2.043337]
  cauchy            : 0.322844 ยฑ 0.009053  [0.303444 โ€” 0.352085]
  exponential       : 0.063573 ยฑ 0.003070  [0.055251 โ€” 0.071860]
  laplace           : 0.143409 ยฑ 0.006581  [0.127025 โ€” 0.158567]

======================================================================
TEST 2: Byte-Level Accuracy (quantized to 256 levels)
======================================================================
  gaussian          : exact=  4.9%  ยฑ1= 14.6%
  uniform           : exact=  6.8%  ยฑ1= 20.2%
  uniform_scaled    : exact=  4.1%  ยฑ1= 12.4%
  poisson           : exact=  4.8%  ยฑ1= 14.5%
  pink              : exact=  3.2%  ยฑ1=  9.8%
  brown             : exact=  3.5%  ยฑ1= 10.4%
  salt_pepper       : exact=  1.3%  ยฑ1=  4.0%
  sparse            : exact=  6.1%  ยฑ1= 17.8%
  block             : exact=  4.9%  ยฑ1= 14.7%
  gradient          : exact=  4.0%  ยฑ1= 11.9%
  checkerboard      : exact=  4.7%  ยฑ1= 13.9%
  mixed             : exact=  6.6%  ยฑ1= 19.5%
  structural        : exact=  4.2%  ยฑ1= 12.4%
  cauchy            : exact=  2.2%  ยฑ1=  6.6%
  exponential       : exact=  5.1%  ยฑ1= 15.2%
  laplace           : exact=  3.5%  ยฑ1= 10.2%

======================================================================
TEST 3: Geometric Fingerprint Per Type
======================================================================
  gaussian          : Sโ‚€=5.186  SD=3.234  ratio=1.60  erank=15.88
  uniform           : Sโ‚€=5.254  SD=3.057  ratio=1.72  erank=15.87
  uniform_scaled    : Sโ‚€=5.172  SD=3.279  ratio=1.58  erank=15.88
  poisson           : Sโ‚€=5.259  SD=3.020  ratio=1.74  erank=15.87
  pink              : Sโ‚€=5.147  SD=3.254  ratio=1.58  erank=15.87
  brown             : Sโ‚€=5.142  SD=3.265  ratio=1.57  erank=15.87
  salt_pepper       : Sโ‚€=5.156  SD=3.357  ratio=1.54  erank=15.88
  sparse            : Sโ‚€=5.221  SD=3.147  ratio=1.66  erank=15.87
  block             : Sโ‚€=5.191  SD=3.209  ratio=1.62  erank=15.87
  gradient          : Sโ‚€=5.183  SD=3.205  ratio=1.62  erank=15.88
  checkerboard      : Sโ‚€=5.172  SD=3.278  ratio=1.58  erank=15.88
  mixed             : Sโ‚€=5.248  SD=3.067  ratio=1.71  erank=15.87
  structural        : Sโ‚€=5.188  SD=3.220  ratio=1.61  erank=15.88
  cauchy            : Sโ‚€=5.156  SD=3.354  ratio=1.54  erank=15.88
  exponential       : Sโ‚€=5.195  SD=3.218  ratio=1.61  erank=15.88
  laplace           : Sโ‚€=5.165  SD=3.319  ratio=1.56  erank=15.88

======================================================================
TEST 4: Cross-Type Omega Token Similarity
======================================================================
           gauss unifo unifo poiss  pink brown salt_ spars block gradi check mixed struc cauch expon lapla
  gaussian  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  uniform   1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  uniform_scaled  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  poisson   1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  pink      1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  brown     1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  salt_pepper  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  sparse    1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  block     1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  gradient  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  checkerboard  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  mixed     1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  structural  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  cauchy    1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  exponential  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00
  laplace   1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00  1.00

======================================================================
TEST 5: Spectrum Profile Per Type
======================================================================
  gaussian          : S0=5.192(9.2%)  S7=4.293(60.1%)  S15=3.234(100%)
  uniform           : S0=5.251(9.4%)  S7=4.293(59.8%)  S15=3.052(100%)
  uniform_scaled    : S0=5.173(9.1%)  S7=4.294(60.1%)  S15=3.278(100%)
  poisson           : S0=5.259(9.5%)  S7=4.296(59.8%)  S15=3.020(100%)
  pink              : S0=5.141(9.0%)  S7=4.278(60.3%)  S15=3.252(100%)
  brown             : S0=5.137(9.0%)  S7=4.279(60.3%)  S15=3.270(100%)
  salt_pepper       : S0=5.160(9.1%)  S7=4.290(60.2%)  S15=3.360(100%)
  sparse            : S0=5.218(9.3%)  S7=4.290(60.0%)  S15=3.150(100%)
  block             : S0=5.186(9.2%)  S7=4.288(60.1%)  S15=3.218(100%)
  gradient          : S0=5.184(9.2%)  S7=4.288(60.0%)  S15=3.201(100%)
  checkerboard      : S0=5.175(9.2%)  S7=4.289(60.0%)  S15=3.279(100%)
  mixed             : S0=5.247(9.4%)  S7=4.291(59.8%)  S15=3.066(100%)
  structural        : S0=5.192(9.2%)  S7=4.293(60.0%)  S15=3.218(100%)
  cauchy            : S0=5.147(9.1%)  S7=4.291(60.2%)  S15=3.355(100%)
  exponential       : S0=5.194(9.2%)  S7=4.295(60.1%)  S15=3.216(100%)
  laplace           : S0=5.163(9.1%)  S7=4.289(60.2%)  S15=3.319(100%)

======================================================================
TEST 6: Reconstruction Grid (saved to johanna_diagnostic_grid.png)
======================================================================
  Saved: johanna_diagnostic_grid.png

======================================================================
TEST 7: Zero-Shot Real Image Reconstruction
======================================================================
README.md:โ€‡
โ€‡3.90k/?โ€‡[00:00<00:00,โ€‡856kB/s]
dataset_infos.json:โ€‡
โ€‡3.52k/?โ€‡[00:00<00:00,โ€‡1.06MB/s]
  TinyImageNet (100 images, 64ร—64):
    Mean MSE: 0.079425
    Std:      0.043693
    Min/Max:  0.040186 / 0.319808
    Fidelity: 92.058%

======================================================================
TEST 8: Zero-Shot Text Byte Reconstruction
======================================================================

  Input:    'Hello, world! This is a test of the Johanna geometric encode'
  Output:   'pX๏ฟฝ๏ฟฝ,๏ฟฝ๏ฟฝ๏ฟฝ๏ฟฝ๏ฟฝ` N๏ฟฝ๏ฟฝ๏ฟฝ๏ฟฝ๏ฟฝhJ๏ฟฝt๏ฟฝ๏ฟฝ`g`\๏ฟฝ๏ฟฝQY}Lm๏ฟฝ๏ฟฝx๏ฟฝG๏ฟฝ^g๏ฟฝ๏ฟฝ๏ฟฝ]๏ฟฝ๏ฟฝl๏ฟฝ๏ฟฝ๏ฟฝ๏ฟฝ'
  MSE:      0.087208
  Byte acc: 1.6%

  Input:    'The quick brown fox jumps over the lazy dog. 0123456789 ABCD'
  Output:   '๏ฟฝQY๏ฟฝTn๏ฟฝ๏ฟฝ4๏ฟฝ๏ฟฝ๏ฟฝoh]๏ฟฝ๏ฟฝdX๏ฟฝRp๏ฟฝ๏ฟฝ4๏ฟฝ๏ฟฝ๏ฟฝk#๏ฟฝ๏ฟฝ๏ฟฝ๏ฟฝ๏ฟฝR}K๏ฟฝ|๏ฟฝTa24n_T#llENsX๏ฟฝi'
  MSE:      0.087562
  Byte acc: 0.0%

  Input:    'import torch; model = PatchSVAE(); output = model(x)'
  Output:   '๏ฟฝ๏ฟฝZ๏ฟฝ๏ฟฝO-๏ฟฝ๏ฟฝ~๏ฟฝ๏ฟฝx!e๏ฟฝ๏ฟฝ๏ฟฝWXqX๏ฟฝ๏ฟฝs๏ฟฝu๏ฟฝ=BeQ[๏ฟฝ๏ฟฝRu๏ฟฝ๏ฟฝ2๏ฟฝF๏ฟฝg^๏ฟฝ๏ฟฝJ]['
  MSE:      0.087713
  Byte acc: 0.0%

  Input:    'E = mcยฒ โ€” Albert Einstein, theoretical physicist, 1905'
  Output:   'r@2W๏ฟฝ@๏ฟฝ๏ฟฝM๏ฟฝสฎ_=c๏ฟฝ๏ฟฝ๏ฟฝ`WwEo๏ฟฝ๏ฟฝr๏ฟฝ๏ฟฝi k๏ฟฝ๏ฟฝ๏ฟฝ]๏ฟฝ๏ฟฝHi๏ฟฝ๏ฟฝ3๏ฟฝ๏ฟฝ๏ฟฝkc๏ฟฝ๏ฟฝ๏ฟฝ[]VH_l'
  MSE:      0.087590
  Byte acc: 1.8%

  Input:    'To be, or not to be, that is the question. โ€” Shakespeare'
  Output:   '|๏ฟฝ๏ฟฝ๏ฟฝ-๏ฟฝ๏ฟฝ4๏ฟฝ๏ฟฝ๏ฟฝk๏ฟฝL|SeXRj๏ฟฝ๏ฟฝ5๏ฟฝ๏ฟฝ_jb๏ฟฝL๏ฟฝa๏ฟฝ๏ฟฝSl๏ฟฝ๏ฟฝCt๏ฟฝ๏ฟฝ๏ฟฝ"๏ฟฝ๏ฟฝU๏ฟฝ๏ฟฝFn๏ฟฝ๏ฟฝu'
  MSE:      0.087480
  Byte acc: 0.0%

======================================================================
TEST 9: Piecemeal 256โ†’64 Tiled Reconstruction
======================================================================
  gaussian          : 16 tiles, MSE=0.068466
  pink              : 16 tiles, MSE=0.090180
  salt_pepper       : 16 tiles, MSE=0.581173
  cauchy            : 16 tiles, MSE=0.324597

======================================================================
TEST 10: Signal Energy Survival Rate
======================================================================
  gaussian          : survival=  92.3%  SNR= 11.7dB  orig_E=1.001  recon_E=0.923
  uniform           : survival=  92.5%  SNR=  9.9dB  orig_E=0.333  recon_E=0.308
  uniform_scaled    : survival=  88.6%  SNR= 11.5dB  orig_E=1.334  recon_E=1.182
  poisson           : survival= 109.8%  SNR=  4.6dB  orig_E=0.206  recon_E=0.227
  pink              : survival=  63.1%  SNR=  7.4dB  orig_E=2.197  recon_E=1.387
  brown             : survival=  54.2%  SNR=  6.3dB  orig_E=2.679  recon_E=1.451
  salt_pepper       : survival=  57.9%  SNR=  8.4dB  orig_E=4.010  recon_E=2.322
  sparse            : survival=  93.1%  SNR= 11.4dB  orig_E=0.634  recon_E=0.590
  block             : survival=  90.4%  SNR= 11.4dB  orig_E=0.995  recon_E=0.899
  gradient          : survival=  71.6%  SNR=  9.1dB  orig_E=1.628  recon_E=1.166
  checkerboard      : survival=  92.2%  SNR= 11.7dB  orig_E=1.090  recon_E=1.005
  mixed             : survival=  93.1%  SNR= 10.0dB  orig_E=0.363  recon_E=0.338
  structural        : survival=  26.7%  SNR=  3.8dB  orig_E=4.583  recon_E=1.221
  cauchy            : survival=  68.0%  SNR=  9.6dB  orig_E=2.958  recon_E=2.013
  exponential       : survival=  92.4%  SNR= 11.7dB  orig_E=0.933  recon_E=0.863
  laplace           : survival=  82.1%  SNR= 11.0dB  orig_E=1.815  recon_E=1.489

======================================================================
TEST 11: Cross-Attention Alpha Profile
======================================================================

  Layer 0: mean=0.0338  max=0.0344  min=0.0328  std=0.000502
    ฮฑ[ 0]: 0.03410  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 1]: 0.03409  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 2]: 0.03431  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 3]: 0.03431  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 4]: 0.03302  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 5]: 0.03354  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 6]: 0.03373  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 7]: 0.03416  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 8]: 0.03415  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 9]: 0.03442  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[10]: 0.03340  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[11]: 0.03322  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[12]: 0.03400  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[13]: 0.03384  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[14]: 0.03435  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[15]: 0.03282  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ

  Layer 1: mean=0.0342  max=0.0357  min=0.0335  std=0.000581
    ฮฑ[ 0]: 0.03400  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 1]: 0.03407  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 2]: 0.03382  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 3]: 0.03383  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 4]: 0.03510  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 5]: 0.03458  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 6]: 0.03438  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 7]: 0.03390  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 8]: 0.03388  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[ 9]: 0.03357  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[10]: 0.03457  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[11]: 0.03471  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[12]: 0.03391  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[13]: 0.03404  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[14]: 0.03349  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ
    ฮฑ[15]: 0.03566  โ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆโ–ˆ

======================================================================
TEST 12: Compression Metrics
======================================================================
  Input:   64ร—64ร—3 = 12,288 values
  Latent:  16ร—16 = 256 values (omega tokens)
  Ratio:   48.0:1 compression
  Patches: 16 of 16ร—16
  Omega shape: (16, 4, 4)
  At 8-bit: input=12.0KB  latent=0.2KB  ratio=48.0:1
  At 16-bit: input=24.0KB  latent=0.5KB  ratio=48.0:1
  At 32-bit: input=48.0KB  latent=1.0KB  ratio=48.0:1

  Results saved: johanna_diagnostic_results.json

======================================================================
DIAGNOSTIC COMPLETE
======================================================================