/ Модель

Характеристики

Размер весов
1,4 ГБ
Лицензия
MIT
Архитектура
swin · dense
Библиотека
transformers.js
Опубликована
3 мар 2025

MVANet-ONNX

Сегментация изображенийИзображение → mask3 профессии

MVANet-ONNX — модель сегментации изображений на базе Swin для выделения объектов и удаления фона в приложениях Transformers.js.

122скачиваний за 30 дней0лайковвеса обновлены14 апр 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

MVANet-ONNX — модель сегментации изображений в формате ONNX, опубликованная в коллекции onnx-community и предназначенная для запуска через Transformers.js. Она использует архитектуру семейства Swin и выделяет области изображения попиксельно; теги модели также указывают на применение для удаления фона. Репозиторий содержит модель ONNX и распространяется по лицензии MIT.

Модель подходит для отделения объекта или переднего плана от фона в изображениях и интеграции такой обработки в JavaScript-приложения. В README приведён пример установки библиотеки Transformers.js. Данные о размере модели, контекстном окне и поддерживаемых естественных языках не приводятся; языковой ввод не заявлен.

Сценарии применения

  • удаление фона с фотографий
  • выделение объекта на изображении
  • создание масок сегментации для изображений

Ограничения

Карточка не описывает точность, ограничения по типам изображений или скорость работы модели; качество следует оценивать на целевых данных.

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

Usage (Transformers.js)

If you haven't already, you can install the Transformers.js JavaScript library from NPM using:

npm i @huggingface/transformers

Example: Remove background of an image

import { pipeline } from '@huggingface/transformers';

const segmenter = await pipeline('background-removal', 'onnx-community/MVANet-ONNX');
const url = 'https://images.pexels.com/photos/5965592/pexels-photo-5965592.jpeg?auto=compress&cs=tinysrgb&w=1024';
const output = await segmenter([url]);
output[0].save('mask.png');
// You can also use `output[0].toCanvas()` or `await output[0].toBlob()` if you would like to access the output without saving.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers.js

Нельзя запустить

Модель выложена для браузера (ONNX / transformers.js).

Ревизия весов
43ec342

0 моделей