Характеристики

Размер весов: 95,5 МБ
Лицензия: MIT
Опубликована: 16 июн 2026

Ссылки

Hugging Face

instructir-GGUF

cstr

Преобразование изображенийИзображение, текст → изображение3 профессии

GGUF-версия InstructIR — модель на базе NAFNet для восстановления и улучшения изображений в семи режимах.

175скачиваний за 30 дней0лайковвеса обновлены2 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

cstr/instructir-GGUF — конвертированная в формат GGUF версия модели mv-lab/InstructIR для восстановления изображений. Это текстово-управляемая U-Net на основе NAFNet с 16 млн параметров; в GGUF заранее встроены эмбеддинги семи задач, поэтому при работе не требуется текстовый энкодер, а режим выбирается целочисленным идентификатором от 0 до 6. Репозиторий содержит варианты GGUF F16 и F32; для F32 в карточке указано 61 МБ. Заявлено совпадение с эталонной реализацией на Python с косинусным сходством 1,0.

Модель предназначена для шумоподавления, устранения размытия, удаления дымки и дождя, повышения разрешения, улучшения изображений при слабом освещении и общего улучшения качества. Это преобразование формата исходной модели без дополнительного обучения, дообучения, слияния или дистилляции. Лицензия — MIT, на тех же условиях, что и у исходной модели.

Сценарии применения

удаление шума с фотографий
устранение размытия изображений
удаление дымки и дождя с кадров
повышение разрешения изображений
улучшение фотографий при слабом освещении
общее улучшение качества изображения

Ограничения

Доступны семь заранее заданных режимов, выбираемых числовым ID; свободный текстовый запрос не обрабатывается во время работы, поскольку текстовый энкодер не входит в GGUF. Размер указан для варианта F32; характеристики других вариантов в карточке не уточнены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

InstructIR All-in-One Restoration (GGUF)

Text-guided NAFNet U-Net for 7 restoration tasks: denoise, deblur, dehaze, derain, super-resolution, low-light enhancement, general enhancement. 16M params, 61 MB F32.

Pre-computed task embeddings baked into GGUF — no text encoder at runtime. Select task by integer ID (0-6).

Parity: cos=1.000000 vs Python reference. Source: mv-lab/InstructIR (MIT, ECCV 2024).

Provenance and EU AI Act Art. 53 note

Upstream model: mv-lab/InstructIR.
Upstream licence: mit. This repository redistributes under the same terms; it grants no rights the upstream licence does not.
What was done here: format conversion and/or quantisation only (GGUF). No training, no fine-tuning, no merging, no distillation, no change to architecture, vocabulary or capability. Only the numeric representation of the upstream weights differs.
Training data: documented — where it is documented at all — by the upstream provider; see the upstream model card. No training data was used, added or selected by this repository.
Provider status: under Regulation (EU) 2024/1689 the upstream authors remain the provider of this model. Converting the serialisation format does not make this repository the provider of a new general-purpose AI model, and no such claim is made. Questions about training content, copyright policy or model capability belong upstream.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов: ca8d8f0