/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
4 авг 2026

comicapp-char-detector

Поиск объектовИзображение → bounding_boxes

ONNX-конверсия DASS для обнаружения лиц и тел персонажей на изображениях западных комиксов.

0скачиваний за 30 дней0лайковвеса обновлены4 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

Это конвертированная в ONNX модель DASS (Domain-Adaptive Self-Supervised Pre-training for Face & Body Detection in Drawings), разработанная Barış Batuhan Topal и соавторами. Используется вариант xl_dcm_finetuned_stage3, дообученный авторами на DCM772 — наборе западных комиксов; в данном репозитории выполнена только конвертация весов PyTorch в ONNX с opset 17, без повторного обучения и дообучения.

Модель принимает цветное изображение RGB размером 1024 × 1024 в формате NCHW с исходными значениями пикселей 0–255. Она отдельно обнаруживает лица и тела персонажей, выдавая для каждого набора рамки в координатах изображения и оценки уверенности. Перед применением нужно сохранить пропорции изображения с помощью letterbox-дополнения, а подавление близких рамок выполнять отдельно для каждого выхода. Лицензия — Apache-2.0.

Сценарии применения

  • поиск лиц персонажей на страницах западных комиксов
  • обнаружение тел персонажей в рисунках комиксов
  • получение рамок персонажей для последующей разметки комиксов

Ограничения

Модель ожидает RGB-вход 1024 × 1024 с пикселями 0–255 без нормализации; неверная предобработка может привести к низким оценкам. Подавление близких рамок требуется выполнять отдельно для выходов лиц и тел.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DASS comic character detector — ONNX (dcm weights)

ONNX conversion of DASS (Domain-Adaptive Self-Supervised Pre-training for Face & Body Detection in Drawings) by Barış Batuhan Topal et al., using the xl_dcm_finetuned_stage3 weights — the variant fine-tuned on DCM772 (western comics) rather than manga.

  • Upstream: https://github.com/barisbatuhan/DASS_Det_Inference
  • Licence: Apache-2.0, unchanged.
  • No retraining and no fine-tuning. This is a format conversion only: the authors' PyTorch checkpoint exported to ONNX (opset 17). The state dict loaded with 0 missing and 0 unexpected keys.

Inputs / outputs

shapenotes
input images[1, 3, 1024, 1024]raw 0–255, NCHW, RGB. No /255, no mean/std.
output 0[1, 21504, 5]faces — (cx, cy, w, h, score)
output 1[1, 21504, 5]bodies — same layout

Two things worth knowing, both verified by probing the graph rather than assumed:

  1. Outputs are already decoded. Coordinates arrive in 0–1024 pixel space and scores are already through a sigmoid. Do not apply the usual YOLOX grid/stride decode — it will corrupt every box.
  2. Input is unnormalised. Dividing by 255 drives every score toward zero, which looks like "the model finds nothing" rather than a preprocessing bug.

Letterbox rather than stretch (pad value 114), and run NMS per head — a face sits inside its body, so a shared NMS makes them suppress each other.

Citation

@article{topal2022domain,
  title={Domain-Adaptive Self-Supervised Pre-training for Face & Body Detection in Drawings},
  author={Topal, Bar{\i}\c{s} Batuhan and Yuret, Deniz and G{\"u}ng{\"o}r, Tunga},
  year={2022}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
bda422a

0 моделей