Дообученная HRNetV2-W18 определяет 28 лицевых ориентиров на лицах аниме- и VTuber-персонажей с особым уточнением положения носа.
0скачиваний за 30 дней0лайковвеса обновлены3 окт 2026
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Публичные оценки
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Что умеет модель
Описание составлено по карточке модели и метаданным Hugging Face
HRNetV2 Anime & VTuber Landmarks: Nose Refinement — дообученная модель 17slever17 на базе hysts/anime-face-detector-hrnetv2 для уточнения положения носа на стилизованных лицах VTuber-персонажей. Она сохраняет архитектуру HRNetV2-W18 и исходный порядок из 28 лицевых ориентиров; ориентир носа имеет индекс 23 при нумерации с нуля. Модель обрабатывает кропы лица размером 256 × 256, строит тепловую карту 64 × 64 и использует субпиксельное декодирование DARK с проверкой отражённого изображения.
В приведённой проверке на VTuber-лицах дообучение снизило 95-й перцентиль ошибки локализации носа с 8,97 до 5,63 пикселя, а максимальную ошибку — с 14,26 до 7,70 пикселя. Модель предназначена для обнаружения лицевых ориентиров на аниме- и VTuber-персонажах; данных о поддержке других типов изображений или языковых возможностях нет. Весы опубликованы в формате safetensors по лицензии MIT.
Сценарии применения
определение лицевых ориентиров на лице VTuber-персонажа
уточнение положения носа на стилизованном аниме-лице
измерение ошибки локализации носа на изображениях персонажей
Ограничения
Проверка описана только для VTuber-лиц и особо оценивает локализацию носа; результаты для иных изображений в карточке не приведены. Модель рассчитана на кропы лица 256 × 256.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
A nose-focused fine-tune of hysts/anime-face-detector-hrnetv2, intended to reduce large nose-localization errors on stylized VTuber faces.
The architecture and original 28-point landmark ordering are unchanged: HRNetV2-W18, 256 x 256 face crops, a 64 x 64 heatmap head, and native DARK subpixel decoding with flip test. The nose is landmark 23 (zero-based).
VTuber Validation
Nose metric
Original HRNet
Fine-tuned epoch 25
P95 pixel error
8.97
5.63
Maximum pixel error
14.26
7.70
Mean NME of worst 10% (3 faces)
0.06988
0.03363
Error > 5% of face-box diagonal
3 / 29
0 / 29
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров