/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
swin2sr · dense
Базовая модель
swin2SR-lightweight-x2-64
Библиотека
transformers
Опубликована
3 авг 2026

clark-swin2sr-lightweight-x2-textstudy

Преобразование изображенийИзображение, текст → изображение3 профессии

Дообученная Swin2SR ×2 от Clark Labs повышает разрешение скриншотов интерфейсов и помогает сохранять мелкий текст при распространённых искажениях.

9скачиваний за 30 дней0лайковвеса обновлены3 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

Clark Swin2SR ×2 text-robustness candidate v2 — модель повышения разрешения изображений, разработанная Clark Labs на основе caidas/swin2SR-lightweight-x2-64. Это дообученный вариант Swin2SR для восстановления изображений в два раза, особенно скриншотов интерфейсов и изображений с мелким текстом после типичных искажений: сжатия JPEG или WebP, размытия, шума, изменения масштаба, резкости, гаммы и цвета. Модель обучалась на 107 515 изображениях, включая реальные интерфейсы и плотный текст на семи языках. В репозитории есть веса Safetensors и граф ONNX; README также описывает компактный ternary-бандл для браузерного применения.

По результатам оценки на 25 скриншотах и 12 типах искажений кандидат улучшает PSNR и качество границ относительно предыдущей ternary-версии во всех проверенных случаях. При этом он уступает более крупной q4-версии по PSNR и качеству границ, а превосходство по читаемости OCR не заявлено. Модель лицензирована по Apache-2.0. В карточке указана архитектура Swin2SRForImageSuperResolution и библиотека Transformers.

Сценарии применения

  • увеличение скриншотов интерфейсов в два раза
  • восстановление мелкого текста после сжатия JPEG или WebP
  • улучшение размытых снимков экранов
  • повышение чёткости интерфейсов с шумом или изменённой резкостью
  • восстановление скриншотов с изменённой гаммой и цветом

Ограничения

На PSNR и качестве границ модель уступает более крупной q4-версии; преимущество в читаемости OCR над ней не заявлено. Результаты основаны на сравнении 25 скриншотов и 12 типов искажений.

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

Clark Swin2SR ×2 — text-robustness candidate v2 (realistic UI inputs)

A retrained Swin2SR ×2 super-resolution model, continued from the prior text-robustness candidate with a broader degradation battery and a larger dense realistic-text corpus. This revision (step-27,500) is the dominant checkpoint of the v2 run: it improves on the previous ternary release across all 12 measured realistic degradations.

This is a candidate revision. It is a strict fidelity improvement over the prior ternary release on a realistic input distribution, but it does not replace the promoted G3 artifact and does not claim q4 non-inferiority.

What changed vs the previous candidate

  1. Broader degradation battery (12 total). Added sharpening halos (unsharp-mask overshoot) and gamma/color shifts to the existing set (bicubic/lanczos/bilinear/area + 4:2:0 chroma JPEG + WebP + blur + noise + fractional DPR + clean identity).
  2. More training data. Added 40k dense realistic-text v2 images (22 fonts, 7 languages, code/UI copy, 8 themes, backdrop-blur panels) on top of the 44k real UI + 23.5k dense-text v1 corpus — 107,515 images total.
  3. Checkpoint selection. The full v2 continuation ran to step-33,000, but later steps over-specialized to the new degradations and lost core ground. Step-27,500 is the dominant point: best mean fidelity with no degraded case.

Measured result (realistic UI distribution)

25 real UI screenshots × 12 degradations; PSNR, edge-PSNR, and OCR legibility (macOS Vision character accuracy). Paired against the previous ternary release (g2hard) and the shipped q4 reference.

  • Wins PSNR and edge-PSNR on 12/12 degradations vs the previous ternary release — mean +0.288 dB, minimum +0.125 dB (no degraded case).
  • Biggest gains on the newly-trained degradations: gamma +0.61 dB, sharpen +0.35 dB, blur +0.32 dB, WebP +0.30 dB.
  • Dense ONNX is numerically identical to the PyTorch model (133 dB).
  • Packed ternary native bundle passes browser-artifact conformance (76 dB).

Honest limits: the candidate still trails q4 on PSNR/edge (q4 is a larger, higher-precision reference); OCR legibility is roughly on par with q4 and the prior release (wins 4/12 vs q4). The win is fidelity + size, not OCR dominance.

Artifacts

  • model.safetensors — dense weights (4.08 MB).
  • onnx/model.onnx / onnx/model.onnx.gz — portable browser graph (input pixel_values, output reconstruction); gzip 1.68 MB (29.5% of q4).
  • native/swin2sr-textstudy-x2.bdk.gz — packed ternary native bundle (320 KB, 5.6% of q4), conformance-passed.
  • technical/quantization.json, technical/candidate-ledger.json, technical/browser-conformance.json — full quality receipts and per-degradation results.

Provenance

Source study: clark-quantize experiments/browser_swin2sr + realistic_text_eval. Training receipt and evaluation receipts are linked in technical/candidate-ledger.json.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Класс архитектуры
Swin2SRForImageSuperResolution
Ревизия весов
5547916

0 моделей