/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
pytorch
Опубликована
25 авг 2026

PyraFuse

Сегментация изображенийИзображение → mask3 профессии

PyraFuse сегментирует на изображениях фон, ткань и кожу и рассчитана в том числе на запуск на мобильных и периферийных устройствах.

119скачиваний за 30 дней0лайковвеса обновлены26 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

PyraFuse — модель семантической сегментации изображений на основе энкодеров DINOv3, предназначенная для выделения фона, ткани и кожи. Автор модели — jamal-one; в карточке указано, что связанная с ней статья принята на AIMLSystems 2026. Доступны варианты с энкодерами DINOv3 ViT-S/16, ViT-S+/16 и ViT-B/16.

Модель принимает RGB-изображение размером 448×448 и выдаёт попиксельные оценки для трёх классов: фон, ткань и кожа. Предусмотрены мобильные и периферийные сборки ExecuTorch для CPU, Core ML и Vulkan; для TensorRT движок требуется собрать на целевой системе. README приводит результат mIoU 0,907 для варианта small на первых 200 изображениях отложенной тестовой выборки при 448 пикселях.

Модель подходит для анализа одежды и видимых участков кожи на изображениях, в том числе на мобильных устройствах. Точность может зависеть от качества изображения, освещения, перекрытий, вида одежды и представленности данных. Это инструмент для исследований и инженерных задач, не для медицинских или биометрических решений. Обучающие метки объединяют Fashionpedia и visuAAL; исходные данные не распространяются вместе с моделью, поэтому необходимо соблюдать условия их наборов. Лицензия указана как other без уточнения условий в предоставленных данных.

Сценарии применения

  • выделение одежды на изображении
  • сегментация видимых участков кожи
  • отделение фона от ткани и кожи
  • мобильный анализ изображений одежды
  • подготовка пиксельных масок для компьютерного зрения

Ограничения

Качество может снижаться из-за плохого освещения, низкого качества изображения, перекрытий и недостаточной представленности примеров. Модель не предназначена для медицинских или биометрических решений; мобильные Core ML и Vulkan сборки не прошли бенчмаркинг на устройствах.

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

PyraFuse: skin, fabric, and background segmentation

PyraFuse is a DINOv3-based semantic-segmentation framework for three classes: 0 = background, 1 = fabric, and 2 = skin. The associated paper has been accepted at AIMLSystems 2026.

Available checkpoints

VariantEncoderFolder
smallDINOv3 ViT-S/16small/
small_plusDINOv3 ViT-S+/16small_plus/
baseDINOv3 ViT-B/16base/
largeDINOv3 ViT-L/16large/

Each folder is self-contained: config.json, decoder.pt, ema.pt, and a backbone/ directory with the DINOv3 configuration, model.safetensors, and adapter feature-normalisation weights. Use EMA weights for evaluation.

Usage

Install the PyraFuse code repository, then load any variant. Pin a revision for reproducible experiments.

from pyrafuse import load_pretrained

model = load_pretrained("base", revision="v1.0.0", device="cuda")

Inputs must be RGB, ImageNet-normalised, and have height and width divisible by 16. The default checkpoint configuration uses 448 × 448 inputs.

Mobile and edge: ExecuTorch programs

The mobile/ folder contains ready-to-run ExecuTorch programs for Android, iOS, React Native, Flutter, and embedded Linux. The same .pte file runs in every framework that embeds the ExecuTorch runtime.

mobile/
├── manifest.json                       # sizes, SHA-256, delegation, held-out mIoU
├── small/pyrafuse_small_<target>.pte
├── small_plus/pyrafuse_small_plus_<target>.pte
└── base/pyrafuse_base_<target>.pte
TargetRuns onPrecision
xnnpack_fp32CPU: Android, iOS, macOS, Linux/ARM boardsFP32
xnnpack_int8same CPUs, about 4× smallerINT8 weights, dynamic INT8 activations
coreml_fp32iOS 17+ / macOS 14+ GPU and CPU via Core MLFP32
vulkan_fp32Android GPU via VulkanFP32
VariantProgramSizemIoUAgreement with PyTorch
smallPyTorch reference0.907
xnnpack_fp3291 MB0.907100.00%
xnnpack_int823 MB0.90699.78%
coreml_fp3292 MBon deviceon device
vulkan_fp3291 MBon deviceon device
small_plusPyTorch reference0.908
xnnpack_fp32119 MB0.908100.00%
xnnpack_int831 MB0.90799.74%
coreml_fp32121 MBon deviceon device
vulkan_fp32119 MBon deviceon device
basePyTorch reference0.912
xnnpack_fp32348 MB0.912100.00%
xnnpack_int888 MB0.91299.80%
coreml_fp32349 MBon deviceon device
vulkan_fp32348 MBon deviceon device

mIoU is measured on the first 200 images of the held-out test split at 448 px by executing each program with the ExecuTorch runtime; the Core ML and Vulkan programs need Apple or Android hardware and are not yet scored.

Contract. Input float32 [1, 3, 448, 448]: RGB, stretch-resized, divided by 255 (ImageNet normalisation is inside the program). Output float32 [1, 3, 448, 448] logits for background, fabric, skin; take argmax over dim 1.

from executorch.runtime import Runtime
from pyrafuse import download_mobile_model  # pip install "pyrafuse[mobile]"

forward = Runtime.get().load_program(
    download_mobile_model("small", "xnnpack_int8", revision="v1.2.0")).load_method("forward")
logits = forward.execute([image])[0]  # image: float32 [1, 3, 448, 448] in [0, 1]

React Native (react-native-executorch 0.10+) loads these files directly with useSemanticSegmenter using labels ['background', 'fabric', 'skin'], resizeMode: 'stretch', and normalizeOpts: { alpha: 1 / 255, beta: 0 }. Copy-paste snippets for React Native, Flutter, Kotlin, Swift, and C++ are in the code repository README.

There are no FP16 programs: DINOv3's first block produces attention logits up to about 2.5 × 10⁶, beyond the FP16 range, so FP16 backends (including the Core ML Neural Engine) output NaNs. Core ML and Vulkan programs are validated at export but have not yet been benchmarked on devices.

Release policy

These eager PyTorch checkpoint bundles are the portable source of truth; the mobile/ ExecuTorch programs are exported from them with the repository's scripts/export_mobile.py. TensorRT engines are deliberately not distributed here because they are tied to the target GPU, CUDA, TensorRT version, precision, and optimization profile. Build and validate TensorRT engines on the deployment host from the PyTorch checkpoint using the repository's scripts/export_trt.py command.

Licence

The PyraFuse decoder and repository code are Apache-2.0. Each checkpoint bundle includes Meta DINOv3 backbone material; use and redistribution of those bundles are additionally subject to the DINOv3 License. A verbatim copy is provided at LICENSES/DINOv3-LICENSE.md in this model repository. The underlying Fashionpedia and visuAAL datasets are not redistributed and retain their own terms.

Data, limitations, and responsible use

Training labels fuse Fashionpedia annotations with visuAAL skin masks. The source data is not redistributed in this repository; users must comply with the source datasets' terms. Model performance can vary by image quality, lighting, occlusion, garment appearance, and representation in source data. This model is for research and engineering use, not a medical or biometric decision system.

Citation

The accepted manuscript is included in the code repository. Formal citation metadata will be added after the AIMLSystems 2026 camera-ready publication.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch · image-segmentation

Нельзя запустить

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

Ревизия весов
998730e

0 моделей