/ Модель

Характеристики

Лицензия
MIT
Библиотека
ultralytics
Опубликована
19 июл 2026

comic-layout-yolo26s

Сегментация изображенийИзображение → mask

Модель YOLO26s выделяет панели, текстовые области и речевые баллоны на страницах комиксов для последующего OCR и перевода.

0скачиваний за 30 дней0лайковвеса обновлены19 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

mayocream/comic-layout-yolo26s — распространение модели сегментации экземпляров YOLO26s для анализа компоновки страниц комиксов. Модель выделяет панели, видимые области текста и речевые, мыслительные или повествовательные баллоны, чтобы подготовить изображения к распознаванию текста и переводу. Она принимает изображение и возвращает для каждого объекта метку, оценку уверенности, рамку, площадь и бинарную маску в исходном разрешении. Для инференса используется размер 1280 пикселей; обработка в Ultralytics включает letterboxing с шагом 32, порог уверенности 0,25 и порог IoU 0,7.

Репозиторий содержит веса SafeTensors, конфигурацию модели Koharu и файл архитектуры YOLO26s-seg. По README это конверсия исходного чекпойнта ShadowB из PyTorch в SafeTensors; проверка конверсии подтвердила точное совпадение тензоров и выходов модели. Лицензия — MIT. Карточка не сообщает о языках обучения модели; она анализирует визуальные области и не выполняет OCR или перевод сама по себе.

Сценарии применения

  • сегментация панелей на странице комикса
  • поиск текстовых областей перед OCR
  • выделение речевых и повествовательных баллонов
  • подготовка страниц комиксов к переводу
  • получение масок и рамок объектов на изображении

Ограничения

Модель выделяет области на изображении, но сама не распознаёт текст и не переводит его. Порядок трёх классов в чекпойнте чувствителен и должен сохраняться.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Comic Layout YOLO26s

SafeTensors distribution of a YOLO26s instance-segmentation model for comic-page layout analysis. It detects panels, visible text regions, and speech or narration balloons for OCR and translation workflows.

Labels

IDLabelMeaning
0framePanel or frame region
1textVisible text region
2balloonSpeech, thought, or narration container

The class order is checkpoint-sensitive and must not be changed.

Files

  • model.safetensors: model state dictionary
  • config.json: Koharu model and processor configuration
  • yolo26s-seg.yaml: authoritative Ultralytics architecture configuration extracted from the checkpoint
  • export-manifest.json: conversion hashes and validation results

The model uses a 1280-pixel inference size. Single-image prediction follows Ultralytics letterboxing with stride 32, confidence threshold 0.25, IoU threshold 0.7, and original-resolution masks.

Conversion

The MIT-licensed source checkpoint was published by ShadowB and trained with Ultralytics 8.4.43. This repository converts the original PyTorch archive to SafeTensors; it does not contain the pickle-based source checkpoint.

PropertyValue
Source revision3a860269ee0beb43ce9f31d82c7851441eb178ae
Source checkpoint SHA-2560b4376e426fa96af3976afa6a2602421dacf2dec96ef87b4a44f5e8d4971cb6f
SafeTensors SHA-256d577a9e66bcf4e3445c0ee799d8407b7f095cb94010745f8eca763c20583de66
Parameters11,436,269
Tensors844

Conversion validation performs all of the following:

  1. Reloads every serialized tensor and checks exact equality.
  2. Loads the state dictionary into a freshly constructed YOLO26s segmentation model with strict key and shape checking.
  3. Compares all forward-output tensors on a deterministic input.

The recorded maximum absolute forward-output difference is 0.0.

Koharu

Koharu resolves config.json and model.safetensors directly from this repository. The public result contains the original image dimensions and a label, confidence, bounding box, area, and original-resolution binary mask for each instance.

License and provenance

The converted model is distributed under the upstream MIT license. Dataset terms remain separate from the model license. Validation metrics above are copied from the upstream checkpoint and have not been independently reproduced during conversion.

Как запустить

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

GPU в ailist

Универсальный рантайм · ultralytics

Нельзя запустить

Модели Ultralytics YOLO требуют отдельного рантайма.

Класс архитектуры
YOLO26s-seg
Ревизия весов
90f556d

0 моделей