/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
pytorch
Опубликована
17 сен 2026

stereocrafter-subfixer-models

Сегментация изображенийИзображение → mask

Неизменённый чекпойнт Hi-SAM сегментирует текстовые штрихи на изображениях и используется для восстановления выжженных субтитров в StereoCrafter Studio.

0скачиваний за 30 дней0лайковвеса обновлены17 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

Это неизменённая копия чекпойнта распознавания текстовых штрихов Hi-SAM, размещённая statecliques для StereoCrafter Studio. Авторы исходной модели — Maoyuan Ye, Jing Zhang, Juhua Liu, Chenyu Liu, Baocai Yin, Cong Liu, Bo Du и Dacheng Tao; модель построена на Segment Anything от Meta AI.

Чекпойнт предназначен для сегментации штрихов текста на изображениях. В Subtitle Fixer он помогает выделять символы в выжженных субтитрах, чтобы закрепить их на плоской глубине и восстановить при обработке видео. Файл содержит обученные части модели; при загрузке к ним добавляется backbone SAM ViT-L из отдельного чекпойнта.

Модель распространяется по лицензии Apache 2.0. Чекпойнт весит около 123 МБ, хранится в формате PyTorch; для работы требуется отдельный файл backbone SAM ViT-L. В карточке не приведены сведения о поддерживаемых естественных языках или длине контекста.

Сценарии применения

  • выделение штрихов букв и символов на изображении
  • создание масок для выжженных субтитров
  • исправление глубины вокруг текста в видео
  • подготовка маски текста для композитинга

Ограничения

Для загрузки требуется отдельный файл backbone SAM ViT-L, который в этом репозитории не размещён. Чекпойнт предназначен для сегментации штрихов и не описан как полноценная система OCR.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Hi-SAM text-stroke checkpoint — mirror for StereoCrafter Studio

This is an unmodified mirror of sam_tss_l_textseg.pth from Hi-SAM. I did not train it and claim no credit for it.

It is re-hosted because the original is published on Google Drive, which serves an HTML interstitial for large files rather than the bytes. That page saves perfectly happily as a .pth and then fails much later at model-load time, looking like a corrupt checkpoint — a confusing failure to hand someone who has just installed an application. Drive also throttles scripted downloads.

File

sam_tss_l_textseg.pth122,756,163 bytes
SHA-2561A7399FD5B031383A3776B4375332D23B952BE616A735B545B3ABB7EB89D063F

Verify before use:

certutil -hashfile sam_tss_l_textseg.pth SHA256

It holds only the trained parts. The SAM ViT-L backbone is merged in at load time from sam_vit_l_0b3195.pth, which Meta publishes directly and which is not mirrored here.

Credit

  • Model and code: Maoyuan Ye, Jing Zhang, Juhua Liu, Chenyu Liu, Baocai Yin, Cong Liu, Bo Du, Dacheng Tao — Hi-SAM, Apache 2.0.
  • Built on: Segment Anything, Meta AI, Apache 2.0.
@article{ye2024hi-sam,
  title={Hi-SAM: Marrying Segment Anything Model for Hierarchical Text Segmentation},
  author={Ye, Maoyuan and Zhang, Jing and Liu, Juhua and Liu, Chenyu and Yin, Baocai
          and Liu, Cong and Du, Bo and Tao, Dacheng},
  journal={arXiv preprint arXiv:2401.17904},
  year={2024}
}

Licence, and one caveat worth reading

The Hi-SAM code is Apache 2.0. These weights were trained on the TextSeg dataset, which carries its own research-use terms from its authors — see the Hi-SAM repository for how to obtain it. Nothing here grants any rights over that dataset, and if you intend to use this model commercially you should check those terms yourself.

If the Hi-SAM authors would prefer this mirror not exist, open a discussion on this repo and I will take it down.

What uses it

StereoCrafter Studio's Subtitle Fixer, which repairs the smeared depth DepthCrafter produces around burned-in subtitles: the glyphs are text to a reader but texture to a depth model, so they come back as a flickering blob that splatting then tears apart. Hi-SAM finds the glyph strokes precisely enough to pin them to a flat depth and composite them back.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch · image-segmentation

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
2dd2238

0 моделей