К содержимому
Другое

Koharu ONNX models

детекция текста и разметки манги в ONNX

2 мин чтенияобновлено

Набор моделей в формате ONNX (универсальный формат для быстрого запуска нейросетей без тяжелых фреймворков), подготовленный для открытого инструмента перевода и обработки манги Koharu. Нейросети находят на страницах комиксов и манги речевые пузыри, текст, звукоподражания и рамки панелей, возвращая их координаты и маски сегментации. В репозиторий вошли экспорты на базе архитектур RT-DETRv2 и RF-DETR Seg 2XL с оригинальными весами от ogkalu и mayocream. Пригодится разработчикам читалок, автоматических переводчиков манги и пайплайнов верстки.

Ключевые особенности

  • Детектор текста и баблов: модель comic-text-and-bubble-detector.onnx (на базе RT-DETRv2) работает с разрешением 640×640 и выделяет классы bubble, text_bubble и text_free.
  • Высокоточная разметка страниц: koharu-layout-highres.onnx (архитектура RF-DETR Seg 2XL) анализирует страницы в разрешении 1920×1920 и распознает текст, звукоподражания (onomatopoeia), баблы и панели.
  • Отдельная голова сегментации: файл koharu-layout-highres-mask-head.onnx строит точные маски сегментации размером 480×480 только для отфильтрованных объектов, экономя ресурсы.
  • Воспроизводимость и проверка: экспорт выполнен в FP32 с помощью PyTorch 2.15.0 и проверен на совпадение с исходными весами в ONNX Runtime 1.31.1, а рядом лежат скрипты export.py.

Что можно сделать

  • Встроить готовые графы в локальный десктопный или веб-переводчик манги и комиксов через ONNX Runtime без необходимости тащить за собой PyTorch.
  • Автоматизировать очистку сканов (клининг) и вырезание фреймов манги, используя точные маски сегментации из koharu-layout-highres-mask-head.onnx.
  • Использовать приложенные скрипты export.py как готовый шаблон для конвертации собственных дообученных детекторов RT-DETRv2 и RF-DETR в ONNX.

Пример

Подача изображения на вход моделей в ONNX Runtime:
— Для comic-text-and-bubble-detector.onnx передается тензор pixel_values формы [1, 3, 640, 640] (RGB в диапазоне [0, 1] без нормализации), на выходе получаем logits и координаты рамок pred_boxes.
— Для koharu-layout-highres.onnx подается тензор [1, 3, 1920, 1920] с нормализацией ImageNet, после чего отобранные признаки передаются в koharu-layout-highres-mask-head.onnx для получения масок [1, K, 480, 480].

ПодробнееТочность весов: FP32 (полная точность с плавающей точкой)
Зависимости для внимания: используется оператор com.microsoft.MultiHeadAttention из ONNX Runtime
Исходные веса: ogkalu/comic-text-and-bubble-detector и mayocream/koharu-layout-highres
Лицензия: Apache-2.0
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.2 GB · готовые файлы0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # 8q0sb/koharu-onnx
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download 8q0sb/koharu-onnx --local-dir ~/models/koharu-onnx
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к koharu-onnx
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии koharu-onnx — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

8q0sb/koharu-onnx
Автор
8q0sb
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

DecayFormer

DecayFormer