/ Модель

Характеристики

Лицензия
GPL 3.0
Базовая модель
caformer_b36.sail_in22k_ft_in1k_384
Библиотека
timm
Опубликована
13 июн 2026

caformer_b36.dbv4-full

Классификация изображенийИзображение → label3 профессии

Производная модели animetimm/caformer_b36.dbv4-full. Многометочная модель CAFormer для автоматического присвоения изображениям тегов Danbooru, включая теги персонажей и рейтинговые категории.

82скачиваний за 30 дней0лайковвеса обновлены13 июн 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

Карточка модели Mooshie/caformer_b36.dbv4-full на Hugging Face совпадает с карточкой animetimm/caformer_b36.dbv4-full, поэтому описание составлено по ней.

animetimm разработала модель многометочной классификации изображений на основе CAFormer, предназначенную также для извлечения визуальных признаков. Это дообученная версия timm/caformer_b36.sail_in22k_ft_in1k_384, адаптированная на наборе animetimm/danbooru-wdtagger-v4-w640-ws-full для предсказания 12 476 тегов, включая общие теги, персонажей и рейтинговые категории.

Модель содержит 134 млн параметров и рассчитана на изображения 384 × 384 пикселя. Её можно использовать с timm и PyTorch для обучения и оценки, а также выполнять инференс в формате ONNX. В README приведены метрики на тестовой выборке: micro F1 0,689 при пороге 0,40; качество различается между категориями тегов.

Модель подходит для автоматической разметки изображений в стиле Danbooru и поиска изображений по предсказанным тегам. Она ориентирована на соответствующий набор тегов, поэтому качество на иных типах изображений и вне этой таксономии не подтверждено. Лицензия — GPL-3.0.

Сценарии применения

  • автоматическое присвоение тегов изображениям в стиле Danbooru
  • поиск иллюстраций по предсказанным тегам
  • определение персонажей на аниме-изображениях
  • классификация изображений по категориям тегов Danbooru

Ограничения

Модель ориентирована на 12 476 тегов из конкретного набора Danbooru; качество для изображений и категорий за пределами этой таксономии в карточке не подтверждено. Метрики заметно различаются между группами тегов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Anime Tagger caformer_b36.dbv4-full

Model Details

  • Model Type: Multilabel Image classification / feature backbone
  • Model Stats:
    • Params: 134.0M
    • FLOPs / MACs: 132.2G / 66.0G
    • Image size: train = 384 x 384, test = 384 x 384
  • Dataset: animetimm/danbooru-wdtagger-v4-w640-ws-full
    • Tags Count: 12476
      • General (#0) Tags Count: 9225
      • Character (#4) Tags Count: 3247
      • Rating (#9) Tags Count: 4

Results

#Macro@0.40 (F1/MCC/P/R)Micro@0.40 (F1/MCC/P/R)Macro@Best (F1/P/R)
Validation0.545 / 0.551 / 0.601 / 0.5190.688 / 0.687 / 0.689 / 0.687---
Test0.546 / 0.552 / 0.602 / 0.5190.689 / 0.688 / 0.690 / 0.6880.581 / 0.585 / 0.599
  • Macro/Micro@0.40 means the metrics on the threshold 0.40.
  • Macro@Best means the mean metrics on the tag-level thresholds on each tags, which should have the best F1 scores.

Thresholds

CategoryNameAlphaThresholdMicro@Thr (F1/P/R)Macro@0.40 (F1/P/R)Macro@Best (F1/P/R)
0general10.390.676 / 0.672 / 0.6800.418 / 0.485 / 0.3880.459 / 0.457 / 0.490
4character10.470.933 / 0.953 / 0.9150.911 / 0.934 / 0.8930.926 / 0.948 / 0.908
9rating10.390.830 / 0.792 / 0.8710.837 / 0.811 / 0.8640.837 / 0.813 / 0.864
  • Micro@Thr means the metrics on the category-level suggested thresholds, which are listed in the table above.
  • Macro@0.40 means the metrics on the threshold 0.40.
  • Macro@Best means the metrics on the tag-level thresholds on each tags, which should have the best F1 scores.

For tag-level thresholds, you can find them in selected_tags.csv.

How to Use

We provided a sample image for our code samples, you can find it here.

Use TIMM And Torch

Install dghs-imgutils, timm and other necessary requirements with the following command

pip install 'dghs-imgutils>=0.17.0' torch huggingface_hub timm pillow pandas

After that you can load this model with timm library, and use it for train, validation and test, with the following code

import json

import pandas as pd
import torch
from huggingface_hub import hf_hub_download
from imgutils.data import load_image
from imgutils.preprocess import create_torchvision_transforms
from timm import create_model

repo_id = 'animetimm/caformer_b36.dbv4-full'
model = create_model(f'hf-hub:{repo_id}', pretrained=True)
model.eval()

with open(hf_hub_download(repo_id=repo_id, repo_type='model', filename='preprocess.json'), 'r') as f:
    preprocessor = create_torchvision_transforms(json.load(f)['test'])
# Compose(
#     PadToSize(size=(512, 512), interpolation=bilinear, background_color=white)
#     Resize(size=384, interpolation=bicubic, max_size=None, antialias=True)
#     CenterCrop(size=[384, 384])
#     MaybeToTensor()
#     Normalize(mean=tensor([0.4850, 0.4560, 0.4060]), std=tensor([0.2290, 0.2240, 0.2250]))
# )

image = load_image('https://huggingface.co/animetimm/caformer_b36.dbv4-full/resolve/main/sample.webp')
input_ = preprocessor(image).unsqueeze(0)
# input_, shape: torch.Size([1, 3, 384, 384]), dtype: torch.float32
with torch.no_grad():
    output = model(input_)
    prediction = torch.sigmoid(output)[0]
# output, shape: torch.Size([1, 12476]), dtype: torch.float32
# prediction, shape: torch.Size([12476]), dtype: torch.float32

df_tags = pd.read_csv(
    hf_hub_download(repo_id=repo_id, repo_type='model', filename='selected_tags.csv'),
    keep_default_na=False
)
tags = df_tags['name']
mask = prediction.numpy() >= df_tags['best_threshold']
print(dict(zip(tags[mask].tolist(), prediction[mask].tolist())))
# {'sensitive': 0.6932118535041809,
#  '1girl': 0.9990721940994263,
#  'solo': 0.9785084128379822,
#  'looking_at_viewer': 0.7411327958106995,
#  'blush': 0.8228459358215332,
#  'smile': 0.9370849132537842,
#  'short_hair': 0.8239911198616028,
#  'long_sleeves': 0.5299726724624634,
#  'brown_hair': 0.6389132738113403,
#  'holding': 0.6104577779769897,
#  'dress': 0.6728140115737915,
#  'closed_mouth': 0.33915525674819946,
#  'sitting': 0.7986266016960144,
#  'purple_eyes': 0.7082042694091797,
#  'flower': 0.8504390120506287,
#  'braid': 0.812047004699707,
#  'blunt_bangs': 0.27516067028045654,
#  'tears': 0.8593371510505676,
#  'floral_print': 0.28373879194259644,
#  'crying': 0.31545740365982056,
#  'plant': 0.7968168258666992,
#  'blue_flower': 0.47092026472091675,
#  'tareme': 0.1419680416584015,
#  'crying_with_eyes_open': 0.2293853610754013,
#  'crown_braid': 0.6291146874427795,
#  'potted_plant': 0.7235668897628784,
#  'flower_pot': 0.7853846549987793,
#  'happy_tears': 0.18256734311580658,
#  'pavement': 0.3113744258880615,
#  'wiping_tears': 0.7474808096885681,
#  'morning_glory': 0.865814208984375}

Use ONNX Model For Inference

Install dghs-imgutils with the following command

pip install 'dghs-imgutils>=0.17.0'

Use multilabel_timm_predict function with the following code

from imgutils.generic import multilabel_timm_predict

general, character, rating = multilabel_timm_predict(
    'https://huggingface.co/animetimm/caformer_b36.dbv4-full/resolve/main/sample.webp',
    repo_id='animetimm/caformer_b36.dbv4-full',
    fmt=('general', 'character', 'rating'),
)

print(general)
# {'1girl': 0.9990721940994263,
#  'solo': 0.9785083532333374,
#  'smile': 0.9370849132537842,
#  'morning_glory': 0.8658077716827393,
#  'tears': 0.8593354225158691,
#  'flower': 0.8504382371902466,
#  'short_hair': 0.8239905834197998,
#  'blush': 0.8228461742401123,
#  'braid': 0.8120447397232056,
#  'sitting': 0.798625111579895,
#  'plant': 0.7968136072158813,
#  'flower_pot': 0.7853772640228271,
#  'wiping_tears': 0.7474707365036011,
#  'looking_at_viewer': 0.7411322593688965,
#  'potted_plant': 0.7235615253448486,
#  'purple_eyes': 0.7082012295722961,
#  'dress': 0.6728127598762512,
#  'brown_hair': 0.6389119029045105,
#  'crown_braid': 0.6291083693504333,
#  'holding': 0.6104577779769897,
#  'long_sleeves': 0.5299732089042664,
#  'blue_flower': 0.470914363861084,
#  'closed_mouth': 0.33915433287620544,
#  'crying': 0.31545311212539673,
#  'pavement': 0.3113621473312378,
#  'floral_print': 0.2837352156639099,
#  'blunt_bangs': 0.2751583755016327,
#  'crying_with_eyes_open': 0.22938179969787598,
#  'happy_tears': 0.1825598180294037,
#  'tareme': 0.1419658362865448}
print(character)
# {}
print(rating)
# {'sensitive': 0.6932107210159302}

For further information, see documentation of function multilabel_timm_predict.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · timm · image-classification

Можно запустить

Подбираем GPU…

Ревизия весов
caa4374

0 моделей