/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
safetensors
Опубликована
22 сен 2026

BCVideoNodes-models

Классификация и разметка

Набор переупакованных весов для обнаружения людей и оценки позы всего тела в ComfyUI.

0скачиваний за 30 дней0лайковвеса обновлены22 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

Репозиторий beycanai/BCVideoNodes-models содержит веса моделей обнаружения людей и оценки позы для узлов ComfyUI-BCVideoNodes. В него входят ViTPose-H и RTMW-l для определения 133 ключевых точек COCO-WholeBody, а также YOLOv10-X для обнаружения людей. Модели загружаются узлами при первом использовании.

Веса переупакованы из исходных ONNX-файлов в формат safetensors вместе с описанием архитектуры, чтобы запускать их как модули PyTorch без зависимости от ONNX. ViTPose-H сохранена в fp16, RTMW-l и YOLOv10-X — в fp32. Репозиторий не является оригинальной разработкой: он объединяет файлы моделей из нескольких источников. В README указаны лицензии Apache-2.0 для ViTPose-H и RTMW-l и AGPL-3.0 для YOLOv10-X; условия следует учитывать отдельно для выбранного файла.

Сценарии применения

  • определение 133 ключевых точек тела, лица, рук и стоп на изображениях или кадрах видео
  • оценка позы человека для ComfyUI-процессов обработки видео
  • обнаружение людей перед оценкой их позы
  • загрузка моделей позы и детекции в узлах ComfyUI без ручного скачивания

Ограничения

Это репозиторий весов для конкретных узлов ComfyUI, а не самостоятельная универсальная модель. Точность и лицензия зависят от выбранного файла; README отмечает, что fp16 у ViTPose-H может менять отдельные координаты ключевых точек, а ключевые точки, которые модель не рисует, исключены из сравнения точности.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BCVideoNodes models

The detection and pose models used by ComfyUI-BCVideoNodes.

The nodes download whatever they need from here on first use, so nothing in this repository has to be fetched by hand. It exists so the weights have a stable home, and so anyone can see exactly which files a node is pulling.

What is here

filemodelsourcelicence
vitpose_h_wholebody_fp16.safetensorsViTPose-H, 133 COCO-WholeBody keypointsKijai/vitpose_comfyApache-2.0
rtmw_l_wholebody_384x288_fp32.safetensorsRTMW-l, 133 COCO-WholeBody keypointsOpenMMLab's own export, via bukuroo/RTMW-ONNXApache-2.0
yolov10x_fp32.safetensorsYOLOv10-X person detectiononnx-community/yolov10xAGPL-3.0

vitpose_h_wholebody is fp16; the other two are fp32. See below.

Why these are not the original files

Upstream ships these as ONNX. The nodes run them as plain torch modules instead — the architecture is written out by hand and the weights are loaded into it, which removes the onnx dependency, removes a protobuf parse and a graph walk from every model load, and replaces ViTPose's two-file external-data export (a 420 KB graph plus a 2.5 GB .bin) with one file.

Each file carries its architecture in the safetensors metadata, so the loader needs nothing but the file.

Precision

ViTPose-H is fp16, the other two are fp32, because fp16 is not free and only one of them is large enough for it to pay:

modelfp32fp16saved
ViTPose-H2.43 GB1.22 GB1.2 GB
RTMW-l219 MB110 MB110 MB
YOLOv10x113 MB57 MB56 MB

What it costs, measured on 60 real frames over every keypoint the model draws, against the same model in fp32 on identical crops: ViTPose-H, 5230 keypoints compared, 20 moved, largest move 1 heatmap cell. RTMW-l, 5012 compared, 401 moved, largest move 1.5 px. Worth paying for 1.2 GB, not worth paying for 110 MB.

Keypoints the model does not draw are excluded from those figures, and that matters: on those the score distribution is flat, so the argmax is noise in either precision, and fp16 appears to move them by up to 215 px. That number is what a flat distribution does, not what fp16 does.

Conversion

The converter lives in the node repository, scripts/convert_models.py. It reads the upstream ONNX file, builds the native module from it, and writes the module's own state dict plus its architecture. Rerun it to update a model; do not hand-edit the files here.

Credit

The pose models are OpenMMLab's and the ViTPose authors' work; YOLOv10 is THU-MIG. This repository only re-packages them. The wholebody pose utilities in the node repository are vendored from the Alibaba Wan team's WanAnimate preprocess and keep their copyright header.

Как запустить

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

GPU в ailist

Универсальный рантайм · safetensors · keypoint-detection

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
1dc3703

0 моделей