/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
segformer · dense
Базовая модель
mit-b2
Опубликована
23 сен 2026

segAll-tamper-localiser

Сегментация изображенийИзображение → mask3 профессии

SegFormer-B2, дообученный для попиксельной локализации подделок на изображениях страниц документов.

144скачиваний за 30 дней0лайковвеса обновлены23 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

segAll tamper localiser — модель для локализации подделок в документах, разработанная автором репозитория mymani. Она принимает изображение страницы документа и формирует карту логитов вероятности подделки для каждого пикселя, различая области с подделкой и чистые области. В основе лежит SegFormer-B2 с энкодером nvidia/mit-b2, дообученный для бинарной семантической сегментации и расширенный до шести входных каналов: RGB и три канала высокочастотных остаточных признаков SRM, вычисляемых из яркости.

Модель предназначена для поиска изменённых участков на отрисованных страницах документов. Перед подачей нужно самостоятельно подготовить шестиканальное pixel_values с RGB и тремя SRM-каналами согласно препроцессингу из связанной обёртки; обычного трёхканального изображения недостаточно. Репозиторий содержит веса safetensors. Лицензия указана как other, поэтому конкретные условия использования следует уточнить в карточке модели.

Сценарии применения

  • поиск подменённых фрагментов на сканах документов
  • локализация изменённых областей на отрисованных страницах
  • построение карты вероятности подделки по пикселям
  • первичная проверка цифровых документов на манипуляции

Ограничения

Для работы требуется шестиканальный вход RGB + три SRM-остаточных канала; для точного препроцессинга нужна связанная reference wrapper. Модель выдаёт карту логитов, а условия лицензии с пометкой other требуют уточнения.

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

segAll tamper localiser (trained 2026-09-22)

Document-tamper localiser: given a rendered document page image, outputs a per-pixel tamper-probability logit map. SegFormer-B2 (nvidia/mit-b2 backbone) widened from 3 to 6 input channels (RGB + 3 fixed SRM high-pass residual channels computed from luminance), num_labels=1 binary tamper-vs-clean logit map.

Usage

from transformers import SegformerForSemanticSegmentation
model = SegformerForSemanticSegmentation.from_pretrained(
    "mymani/segAll-tamper-localiser", revision="2026-09-22"
)

pixel_values must already be the 6-channel (RGB + 3 SRM residual) input described above — see the reference wrapper linked above for the exact preprocessing.

Как запустить

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

GPU в ailist

Универсальный рантайм · image-segmentation

Можно запустить

Подбираем GPU…

Класс архитектуры
SegformerForSemanticSegmentation
Ревизия весов
3f0d908

0 моделей