/ Модель

Характеристики

Лицензия
MIT
Базовая модель
MuseTalk
Библиотека
mlx
Опубликована
14 июн 2026

face-parsing-bisenet-bf16

Сегментация изображенийИзображение → mask3 профессии

Порт BiSeNet для MLX сегментирует лицо на 19 классов и подходит для построения масок при обработке рта в видеокадрах.

38скачиваний за 30 дней0лайковвеса обновлены14 июн 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

mlx-community выпустил порт модели BiSeNet для сегментации лица на Apple MLX. Это модель семантической сегментации с backbone ResNet18: она размечает изображение по 19 классам CelebAMask-HQ, включая фон, кожу, губы и рот. Модель применяется в MuseTalk для построения маски смешивания при композитинге перегенерированной области рта обратно в видеокадр.

Репозиторий содержит только веса в формате MLX-native bf16 safetensors; архитектура модели находится в приложении-потребителе. README сообщает о совпадении итоговой карты классов с PyTorch-эталоном на фиксированном входе. Указанный размер входа — 512 пикселей. Модель основана на BiSeNet из zllrunning/face-parsing.PyTorch, распространённом через TMElyralab/MuseTalk; метаданные указывают лицензию MIT.

Сценарии применения

  • сегментация лица на области CelebAMask-HQ
  • выделение губ и рта на изображении лица
  • создание маски смешивания для композитинга изменённого рта в видеокадр

Ограничения

Репозиторий содержит только веса, поэтому для запуска требуется реализация архитектуры в приложении-потребителе. Веса представлены в bf16 и рассчитаны на вход размером 512 пикселей.

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

mlx-community/face-parsing-bisenet-bf16

MLX port of the BiSeNet face-parsing model (ResNet18 backbone, 19-class CelebAMask-HQ segmentation — 79999_iter.pth, from zllrunning/face-parsing.PyTorch, as redistributed by TMElyralab/MuseTalk in face-parse-bisent/). Used by MuseTalk to build the blend mask when compositing a regenerated mouth back into a frame.

Converted from PyTorch to MLX-native bf16 safetensors. Weights only — the model definition lives in the Swift consumer (xocialize/musetalk-mlx-swift, MuseTalk.BiSeNet).

Parity

Versus the PyTorch reference (CPU): argmax (parse map) agreement 100.0000% on a fixed input; feat_out logit max_abs 8.7e-2 at bf16 (8.3e-6 at fp32) — the logit noise is washed out by the argmax, so the segmentation is identical. bf16 chosen because the output is a class argmax (robust) and it halves the footprint (~27 MB).

Layout

model.safetensors   160 tensors, bf16, MLX-native keys
config.json         architecture / n_classes (19) / input 512 / key convention

Keys are MLX-native: the diffusers/torch downsample.0/.1 Sequential is renamed to downsample.conv/.bn, num_batches_tracked dropped, conv weights transposed (O,I,H,W)→(O,H,W,I). The 19 classes follow the CelebAMask-HQ label order (0 background; 1 skin; … 11–13 lips/mouth; …).

Use with MLX (Swift)

import MuseTalk   // xocialize/musetalk-mlx-swift
let net = BiSeNet()
net.train(false)  // BatchNorm: running stats
try MuseTalkWeights.load(net, from: weightsURL)   // model.safetensors
let logits = net(faceNCHW)   // (B, 19, H, W); argmax over axis 1 -> parse map

License

MIT (mirrors upstream face-parsing.PyTorch / MuseTalk).

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
5f2aa21

0 моделей