/ Модель

Характеристики

Лицензия
MIT
Библиотека
segmentation-models-pytorch
Опубликована
30 авг 2026

comic-text-mask

Сегментация изображенийИзображение → mask3 профессии

Модель создаёт попиксельные маски текста на фрагментах комиксов и манги для последующего удаления надписей и восстановления фона.

61скачиваний за 30 дней0лайковвеса обновлены31 авг 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

TareHimself/comic-text-mask — модель сегментации текста в комиксах и манге, предназначенная для этапа очистки локализованных страниц. Она принимает обрезанный детектором фрагмент изображения и выдаёт попиксельную бинарную маску «текст / не текст»; поиск и группировку текстовых областей выполняет отдельный детектор. Маска может использоваться для последующей заливки фона, например с помощью LaMa.

Модель обучена на синтетических надписях на плоских поверхностях с помехами и на очищенных страницах комиксов. В обучающих данных представлены латиница, японские кана и кандзи в горизонтальном и вертикальном письме, корейский и китайский языки. Для проверки на отложенных синтетических и реальных фрагментах указаны IoU 0,906, точность 0,949 и полнота 0,952. Веса доступны в формате safetensors; для варианта model.pt README указывает, что нормализация ImageNet и sigmoid встроены, а входом служит RGB-изображение uint8 после letterbox-обработки. Лицензия — MIT. Модель не находит текстовые области на полной странице и зависит от качества входных обрезанных фрагментов.

Сценарии применения

  • выделение текста на обрезанных фрагментах страниц манги
  • создание маски надписей для очистки комиксных кадров
  • подготовка текстовых областей к заливке фона с помощью LaMa
  • сегментация японских вертикальных и горизонтальных надписей
  • выделение китайских и корейских надписей в комиксах

Ограничения

Модель сегментирует текст только внутри обрезанных областей, найденных внешним детектором, и сама не локализует надписи на полной странице. Результат может зависеть от качества и способа подготовки входного фрагмента.

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

comic-text-mask

Binary text-mask segmenter for the comic-localizer cleaning pipeline. It runs on a detector's text-region crop and returns a per-pixel "text vs not-text" mask that feeds LaMa inpainting. Locating and grouping text is the detector's job, not this model's.

Training data (see the training repo): synthetic text rendered onto (a) procedurally generated flat surfaces with synthetic clutter and (b) real cleaned comic pages, framed as detector-style crops. Text is Latin, Japanese (kana + kanji, horizontal and vertical), Korean, and Chinese, with a large fraction of random-glyph runs so rare characters are covered. No source imagery is redistributed.

Validation (held-out synthetic + real crops): IoU 0.906, precision 0.949, recall 0.952.

Use

import json, torch
from huggingface_hub import hf_hub_download

meta = json.load(open(hf_hub_download("TareHimself/comic-text-mask", "tm_meta.json")))
model = torch.jit.load(hf_hub_download("TareHimself/comic-text-mask", "model.pt")).eval()
S = meta["imgsz"]

# letterbox `rgb` (H,W,3 uint8) into an SxS square, pad 0, keep the paste box
# ... then:
x = torch.from_numpy(square).permute(2, 0, 1).unsqueeze(0)      # (1,3,S,S) uint8
prob = model(x)[0, 0].numpy()                                   # (S,S) float
mask = (prob > meta["threshold"]).astype("uint8") * 255
# crop the paste box back out and resize to the original size

Or load the raw weights with segmentation-models-pytorch:

import segmentation_models_pytorch as smp
model = smp.from_pretrained("TareHimself/comic-text-mask")   # normalisation NOT baked in

model.pt has /255, ImageNet normalisation, and the final sigmoid baked into the graph; it expects letterboxed uint8 RGB. model.safetensors is the pristine network.

Как запустить

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

GPU в ailist

Универсальный рантайм · segmentation-models-pytorch · image-segmentation

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
ebd37f1

0 моделей