/ Модель

Характеристики

Размер весов
2,6 МБ
Лицензия
Apache 2.0
Архитектура
mobilenet_v3 · dense
Опубликована
18 ноя 2024

mediapipe_selfie_segmentation

Сегментация изображенийИзображение → mask3 профессии

ONNX-модель на базе MobileNetV3 для сегментации человека и отделения его от фона на изображениях.

728скачиваний за 30 дней7лайковвеса обновлены7 мар 2025

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

onnx-community/mediapipe_selfie_segmentation — модель сегментации изображений в формате ONNX из сообщества onnx-community. Она предназначена для выделения человека на изображении и отделения его от фона, например, для размытия или замены фона в портретах и видеозвонках. В метаданных указана архитектура MobileNetV3 и задача image-segmentation; README описывает использование через Transformers.js.

Модель распространяется по лицензии Apache-2.0. Сведений о размере, контексте, языковой поддержке и известных ограничениях в предоставленных материалах нет.

Сценарии применения

  • выделение человека на фотографии
  • удаление или замена фона на портрете
  • размытие фона в видеозвонке

Ограничения

Материалы не приводят численных оценок качества или сведений о поведении на сложных фонах; назначение указано для сегментации селфи и человека.

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: Selfie segmentation with onnx-community/mediapipe_selfie_segmentation.

import { AutoModel, AutoProcessor, RawImage } from '@huggingface/transformers';

// Load model and processor
const model_id = 'onnx-community/mediapipe_selfie_segmentation';
const model = await AutoModel.from_pretrained(model_id, { dtype: 'fp32' });
const processor = await AutoProcessor.from_pretrained(model_id);

// Load image from URL
const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/selfie_segmentation.png';
const image = await RawImage.read(url);

// Pre-process image
const inputs = await processor(image);

// Predict alpha matte
const { alphas } = await model(inputs);

// Save output mask
const mask = await RawImage.fromTensor(alphas[0].mul(255).to('uint8')).resize(image.width, image.height);
mask.save('mask.png');

// (Optional) Apply mask to original image
const result = image.clone().putAlpha(mask);
result.save('result.png');
Input imagePredicted maskOutput image
image/pngimage/pngimage/png

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
be49485

0 моделей