Характеристики

Лицензия: Apache 2.0
Библиотека: gguf
Опубликована: 18 июл 2026

Ссылки

Hugging Face

starlight-prod

macroadster

Классификация изображенийИзображение → label

Многопоточная CNN для выявления стеганографии в изображениях и классификации связанных методов.

8скачиваний за 30 дней0лайковвеса обновлены18 июл 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

macroadster/starlight-prod — модель компьютерного зрения для обнаружения стеганографии в изображениях. Разработчик описывает архитектуру BalancedStarlightDetector как многопоточную CNN с механизмом слияния признаков. Основной артефакт — веса GGUF v3 в формате F32, предназначенные для запуска через Stargate или Trin на Go.

Модель анализирует пиксели, метаданные, альфа-канал, младшие биты (LSB), палитру и признаки формата или содержимого. Она предназначена для выявления скрытых данных в вариантах стеганографии LSB, alpha, EXIF, EOI/raw и палитровых методах; также заявлены отдельные выходы для определения метода и порядка битов. Репозиторий помечен лицензией Apache-2.0.

В карточке не приведены численные результаты качества: точность предлагается смотреть в отчёте обучения или таблице лидеров. Поэтому надёжность обнаружения для конкретных форматов и данных по этой карточке оценить нельзя.

Сценарии применения

поиск скрытых данных в изображениях с LSB-стеганографией
проверка изображений на скрытые данные в альфа-канале
выявление стеганографии по EXIF и метаданным изображения
поиск скрытых данных в EOI/raw-данных и палитрах
определение метода стеганографии и порядка битов

Ограничения

В карточке нет численных метрик точности или данных о ложноположительных срабатываниях, поэтому качество на конкретных наборах изображений не установлено. Для основного сценария запуска заявлен путь через Stargate или Trin с GGUF.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card: Starlight Balanced Detector (GGUF)

Model Overview

Task: Steganography detection (and method / bit-order heads)
Architecture: BalancedStarlightDetector (multi-stream CNN + fusion gate)
Input streams: pixel, meta, alpha, LSB, palette, format/content features (see GGUF export docs)
Primary artifact: GGUF for Stargate / Trin (Go)

Artifacts (this repo on HF)

File	Description
`starlight.gguf`	Primary production weights (GGUF v3 / F32)
`starlight_gguf_map.json`	Tensor name map and export metadata
`README.md`	This model card

Optional secondary (may appear if uploaded): detector_balanced.pth, detector_balanced.onnx.

Inference

Production: load starlight.gguf via Stargate / Trin GGUF path — not Python ONNX as the primary path.

Download:

https://huggingface.co/macroadster/starlight-prod/resolve/main/starlight.gguf
https://huggingface.co/macroadster/starlight-prod/resolve/main/starlight_gguf_map.json

Training

Dataset: Combined submissions (grok, gemini, claude, chatgpt, sample, val)
Checkpoint: models/detector_balanced.pth (training repo)
Export: scripts/export_starlight_gguf.py → models/starlight.gguf
Typical recipe: Adam, balanced clean/stego sampling (see training repo trainer.py)

Steganography coverage

lsb, alpha, exif, eoi / raw, palette (and related variants in datasets)

Performance

Metric	Value
Accuracy	see training run / leaderboard
False positive focus	balanced detector design

Update metrics after each publish-worthy training run.

License

Model: Apache 2.0
Code: see training repository LICENSE

Как запустить

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

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

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

Ревизия весов: d854947