/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
17 авг 2026

versta-glyphmatte

Эмбеддинги изображенийИзображение → embedding3 профессии

Компактная U-Net-модель выделяет покрытие чернил, толщину штрихов и цвета текста и фона на изображениях строк для улучшения мобильного OCR.

16скачиваний за 30 дней1лайквеса обновлены11 сен 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

Versta Glyphmatte — компактная сверточная U-Net-модель Рикардо Сноук-Валкенбурга для локальной обработки изображений строк текста в мобильном OCR. Модель содержит около 1,9 млн параметров и четыре выходные головы: карта покрытия чернил (matte), поле толщины штрихов (weight), а также карты цветов переднего и заднего плана. На вход подаётся RGB-полоска высотой 48 пикселей и шириной, кратной 16; выходные карты помогают выравнивать и улучшать текст перед распознаванием.

Модель обучена с нуля на 50 000 синтетических текстовых полосок и предназначена для работы на периферийных устройствах. В репозитории доступны варианты ONNX fp32 и fp16, а int8-версия MNN размером около 1,9 МБ включена в пакет OCR приложения Versta для Android. Лицензия — Apache-2.0. Карточка описывает валидацию экспорта ONNX относительно PyTorch и оценку карт matte и weight, но не приводит сравнительных результатов на реальных документах.

Сценарии применения

  • выделение пиксельной маски чернил в строке текста
  • оценка толщины штрихов перед улучшением изображения
  • оценка цвета текста и бумаги при плохом захвате документа
  • подготовка текстовых строк к выравниванию и пороговой обработке
  • локальное улучшение изображений для OCR на Android

Ограничения

Модель рассчитана на RGB-полоски текста высотой 48 пикселей и шириной, кратной 16; другие размеры требуют дополнения ширины до кратного 16 и последующей обрезки результата. Обучение проводилось на синтетических строках, а карточка не приводит результатов оценки на реальных документах.

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

Versta Glyphmatte

Glyph Matte U-Net for On-Device Document Processing. A compact (~1.9M-parameter) four-head U-Net trained end-to-end on synthetic text strips that decomposes a 48-px-high text line into ink coverage (matte), stroke weight (weight) and per-pixel foreground/background colour, the signals that drive on-device dewarping and enhancement in the Versta Android app. Designed for edge deployment: ships as ONNX (fp32 + fp16) and converts to a ~1.9 MB int8 MNN model bundled into the Versta OCR pack. Entirely trained using renewable energy.

Model Details

Model Description

Compact Glyph Decomposer, Trained on Clean Synthetic Labels, Ready for MNN int8

This model was created to close the gap between accurate text enhancement and the tight latency and size budgets of offline mobile OCR. Per line strip it predicts an alpha matte (ink coverage, for dewarp/thresholding), a stroke-weight field (for stroke-aware thinning/boldening), and foreground/background colour fields that contain exact ink/paper colours even under degraded capture. Because training supervision is mathematically exact, labels stay clean while only the RGB input is degraded, a fully synthetic pipeline reaches quality that would otherwise demand hand-annotated pixel labels.

  • Developed by: Ricardo Snoek-Valkenburg
  • Model type: Convolutional U-Net (base 12, 3 levels), four named output heads: matte (1ch), weight (1ch), foreground (3ch), background (3ch)
  • Parameters: 1,944,168 (~1.9 MB int8)
  • Input: RGB text line strip, height 48 px; width multiple of 16 (pad before inference, crop after)
  • License: Apache-2.0

Training & Evaluation

Trained from scratch on 50,000 synthetic strips from the Versta Glyphmatte dataset (5 new strips per step × 20k steps) with Adam + OneCycleLR, dice/BCE losses on matte and weight plus colour regression losses. Exported to ONNX with inlined weights (fp32) and an fp16 half-precision variant; validated against the fp32 PyTorch reference across four strip widths (figure-of-merit: max |Δ| ≤ 2.2e-06) and evaluated against a fixed validation shard (per-pixel IoU for the matte, AUC for weight).

FormatFiles
ONNX fp32onnx/glyphmatte.onnx, reference runtime graph
ONNX fp16onnx/glyphmatte_fp16.onnx, GPU/NPU-friendly half precision
Safetensorsglyphmatte.safetensors + config.json, training checkpoint + dims

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
98a4d27

0 моделей