/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
onnx
Опубликована
12 окт 2026

demo-models

Эмбеддинги изображенийИзображение → embedding

Набор моделей зрения в формате ONNX для извлечения карт признаков изображений и работы браузерных демонстраций.

0скачиваний за 30 дней1лайквеса обновлены12 окт 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

Набор моделей компьютерного зрения, преобразованных Karay в формат ONNX для демонстраций в браузере на karay.me. В репозитории представлены производные от исходных чекпойнтов timm модели ResNet-50, ConvNeXt-S и Swin-S для классификации изображений ImageNet; README также упоминает семейства DINOv3 и ConvNeXt V2. Модели запускаются на устройстве пользователя через ONNX Runtime Web с WebGPU или WebAssembly на CPU, изображения не покидают браузер.

Каждая модель принимает RGB-изображение размером 224×224 и возвращает карту признаков до глобального пулинга; классификаторы дополнительно выдают логиты классов для каждой ячейки карты. Для классификаторов, использующих пулинг признаков, усреднение ячеечных логитов совпадает с логитами модели. Веса хранятся в float16 и приводятся к float32 в вычислительном графе; README сообщает о корреляции не ниже 0,9999 с PyTorch на демонстрационных изображениях. Размер отдельных файлов ограничен 100 МБ.

Набор предназначен для извлечения признаков изображений и браузерных демонстраций, включая анализ сходства областей. Лицензия зависит от исходного чекпойнта: в README указаны BSD-3-Clause, Apache-2.0, MIT, лицензия DINOv3 и ограничение некоммерческого использования для ConvNeXt V2; метаданные репозитория указывают лицензию other.

Сценарии применения

  • Извлечение пространственных признаков из изображений RGB
  • Сравнение сходства отдельных областей изображений
  • Запуск моделей классификации изображений в браузере
  • Построение демонстраций компьютерного зрения на устройстве пользователя

Ограничения

Входной формат фиксирован: RGB 224×224; отдельные файлы ограничены размером 100 МБ. Условия лицензирования различаются между моделями, а ConvNeXt V2 разрешено использовать только некоммерчески.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Demo models

Vision models converted to ONNX for the in-browser demos on karay.me: the LaFAM demo and the region similarity demo. The demos run them on the visitor's device with ONNX Runtime Web (WebGPU, or WebAssembly on the CPU); no image leaves the browser.

Each file is the largest model of its family that stays under 100 MB.

Interface

Every model takes one input and returns the last feature map before pooling:

ShapeMeaning
input image(1, 3, 224, 224)RGB in [0, 1]; the model's own normalization is part of the graph
output features(1, C, H, W)the last feature map; for ViTs, the patch tokens after the final norm, as a grid
output cell_logits(1, 1000, H, W)classifiers only: the classification head applied to every cell

For the classifiers that pool their features (ResNet, ConvNeXt, Swin, MaxViT), the mean of cell_logits over the cells equals the model's logits, so the per-cell readout is exact (Karjauv, 2026). Weights are stored as float16 and cast to float32 in the graph; the files match the PyTorch models to a correlation of at least 0.9999 on the demo images.

Files

FileModelSource checkpoint (timm)GridLicense
resnet50.onnxResNet-50, ImageNet classifierresnet50.tv2_in1k7×7BSD-3-Clause
convnext_small.onnxConvNeXt-S, ImageNet classifierconvnext_small.fb_in1k7×7Apache-2.0
swin_small.onnxSwin-S, ImageNet classifierswin_small_patch4_window7_224.ms_in1k7×7MIT
maxvit_tiny.onnxMaxViT-T, ImageNet classifiermaxvit_tiny_tf_224.in1k7×7Apache-2.0
dino_resnet50.onnxDINO ResNet-50, self-supervisedDINO dino_resnet50_pretrain.pth (torchvision)7×7Apache-2.0
dino_vit_small.onnxDINO ViT-S/16, self-supervisedvit_small_patch16_224.dino14×14Apache-2.0
dinov2_vit_small.onnxDINOv2 ViT-S/14, self-supervisedvit_small_patch14_dinov2.lvd142m16×16Apache-2.0
dinov2_reg_vit_small.onnxDINOv2 ViT-S/14 with registers, self-supervisedvit_small_patch14_reg4_dinov2.lvd142m16×16Apache-2.0
dinov3_vit_small_plus.onnxDINOv3 ViT-S+/16, self-supervisedvit_small_plus_patch16_dinov3.lvd1689m14×14DINOv3 License
dinov3_convnext_small.onnxDINOv3 ConvNeXt-S, self-supervisedconvnext_small.dinov3_lvd1689m7×7DINOv3 License
fcmae_convnextv2_tiny.onnxConvNeXt V2-T, masked autoencoder (FCMAE)convnextv2_tiny.fcmae7×7CC-BY-NC-4.0 (non-commercial use only)
clip_resnet101.onnxCLIP ResNet-101 (OpenAI), image encoder trunkresnet101_clip_gap.openai7×7MIT
tinyclip_vit_medium.onnxTinyCLIP ViT-M/16, image encodervit_medium_patch16_clip_224.tinyclip_yfcc15m14×14MIT

Each file is a derivative of its source checkpoint and is distributed under that checkpoint's license (see LICENSE.md). The DINOv3 models are distributed under the DINOv3 License, a copy of which is included; ConvNeXt V2 (FCMAE) is for non-commercial use only.

Reproducing

export_models.py exports every file from its source checkpoint and checks it against PyTorch on a folder of .jpg images (any will do):

SAMPLES=path/to/images uv run --no-project --with torch --with torchvision --with timm --with onnx --with onnxruntime \
    --with pillow python export_models.py NAME

Как запустить

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

GPU в ailist

Универсальный рантайм · onnx

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
9ae07a8

0 моделей