/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
rf_detr · dense
Базовая модель
rf-detr-seg-medium
Библиотека
transformers
Опубликована
9 авг 2026

bl-crop-tighten-rfdetrseg-clip10

Сегментация изображенийИзображение → mask3 профессии

Модель выделяет рамками и масками отдельные книжные иллюстрации внутри уже подготовленных фрагментов страниц Британской библиотеки.

21скачиваний за 30 дней3лайкавеса обновлены18 авг 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

bl-crop-tighten-rfdetrseg-clip10 — модель сегментации отдельных объектов для уточнения рамок книжных иллюстраций в коллекции изображений Британской библиотеки. Она разработана командой small-models-for-glam и дообучена на базе Roboflow/rf-detr-seg-medium. Модель принимает обрезанные фрагменты страниц, уже содержащие иллюстрацию, и возвращает рамки и маски, чтобы отделить изображение от окружающего текста, подписи и фона страницы.

Модель рассчитана на одиночные иллюстрации и похожие книжные фрагменты: маски помогают точно выделять круглые виньетки, медальоны и орнаменты неправильной формы. Обучающие метки были получены дистилляцией слабых аннотаций Falcon-Perception-0.6B; человеческие метки при обучении не использовались. В слепой проверке на 40 изображениях 97,4% предсказаний сочли приемлемыми; на тесте с плотными страницами Britannica этот показатель снизился до 55%. Модель опубликована в формате safetensors и доступна по лицензии Apache-2.0.

Сценарии применения

  • уточнение границ иллюстрации в книжной обрезке
  • удаление окружающего текста и подписи из фрагмента с изображением
  • создание масок для круглых виньеток и медальонов
  • выделение орнаментов неправильной формы на книжных страницах

Ограничения

Модель предназначена для фрагментов, уже содержащих иллюстрацию, а не для поиска иллюстраций на целых страницах. На плотных страницах с множеством рисунков точность снижается; на тесте страниц Britannica приемлемыми были 55% предсказаний.

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

bl-crop-tighten-rfdetrseg-clip10

An instance-segmentation model that tightens the loose ABBYY picture-block crops in the British Library Book Images collection. A medium crop typically carries lines of body text above the art and a printed caption below; this model finds the actual illustration(s) inside the crop and returns boxes and masks. Masks matter for the non-rectangular cases — circular vignettes, medallions, irregular ornaments — where a tight box still carries page background.

It is a crop tightener, not a page-level illustration detector: inputs are crops that are already known to contain art. Fine-tuned from Roboflow/rf-detr-seg-medium.

Training

Distilled from tiiuae/Falcon-Perception-0.6B weak labels on bl-crop-tighten-v1: the teacher ran open-vocabulary segmentation over 8,400 stratified crops (embellishments, plates, medium, plus plain covers as negatives), a filter pass kept 7,565, and the student trained on those with book-safe splits (no book appears in both train and test). No human labels were used in training.

Evaluation — human-checked, not metric-only

On a 40-image random sample judged blind, 97.4% of the student's predictions were acceptable — statistically matching its teacher (95.0% on the same images) at roughly 12x the throughput (~70 img/s on a single L4). Running the full 1,019,266-crop corpus cost $3.24.

The model is domain-specific. On an out-of-domain probe (Encyclopaedia Britannica plates, which hold 10-20 figures each where BL crops average close to one) acceptability fell to 55% — the failure mode is dense multi-figure pages, inherited from the teacher, which shares the same blind spot. Use it on this collection or visually similar single-figure book crops; do not expect it to generalise to crowded plates.

Usage

Requires transformers, torch, torchvision:

import torch
from PIL import Image
from transformers import AutoImageProcessor, RfDetrForInstanceSegmentation

repo = "small-models-for-glam/bl-crop-tighten-rfdetrseg-clip10"
model = RfDetrForInstanceSegmentation.from_pretrained(repo)
processor = AutoImageProcessor.from_pretrained(repo)

image = Image.open("crop.jpg").convert("RGB")
inputs = processor(images=image, return_tensors="pt")
with torch.no_grad():
    outputs = model(**inputs)
result = processor.post_process_instance_segmentation(
    outputs, target_sizes=[image.size[::-1]], threshold=0.3
)[0]
# result["segmentation"]: HxW instance map; result["segments_info"]: per-instance scores

Predictions at low thresholds keep many low-confidence instances; filter at score >= 0.3 for display use. For the covered corpus you do not need to run inference at all — the full run is published as the crop_masks config of the source dataset.

Built by Daniel van Strien; source images digitised by the British Library.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-segmentation

Можно запустить

Подбираем GPU…

Класс архитектуры
RfDetrForInstanceSegmentation
Ревизия весов
d9c6812

0 моделей