К содержимому
Другое

UETrack-B ONNX

трекер одного объекта на видео

2 мин чтенияобновлено

Модель UETrack-B от проекта BlurCue отслеживает выбранный объект в RGB-видеопотоке по одному кадру за шаг. На вход подаются нормализованный шаблон объекта (112×112), область поиска (224×224) и разметка шаблона, а на выходе возвращаются координаты рамки, оценка уверенности и карта откликов. Модель основана на базовом чекпоинте UETrack (конфигурация uetrack_base.yaml) и переведена в формат ONNX (opset 17, точность FP32) с уже зашитой постобработкой. Пригодится разработчикам компьютерного зрения, которым нужен готовый граф трекинга без привязки к исходному PyTorch-коду.

Ключевые особенности

  • Встроенная постобработка: в граф уже зашиты окно Ханна (Hann windowing) и декодирование координат рамки.
  • Упрощённый вход: при конвертации объединены дублирующиеся RGB-входы, а также вшиты нулевой текстовый промпт CLIP и идентификатор RGB-задачи.
  • Чистый ONNX без Python-обвязки: тренировочные веса и исходные скрипты исключены, весь шаг инференса выполняется внутри одного графа.

Что можно сделать

  • Встроить трекинг в видеоредактор или систему размытия: автоматически вести выбранный объект (например, лицо, номер или логотип) от кадра к кадру в проектах вроде BlurCue.
  • Добавить сопровождение целей в CV-пайплайн: использовать модель как лёгкий модуль трекинга одного объекта поверх детектора в приложениях на базе ONNX Runtime.

Пример

Сценарий одного шага инференса по спецификации из карточки: подаём на вход нормализованный кроп шаблона объекта 112×112, область поиска 224×224 и аннотацию шаблона — получаем нормализованные координаты центра рамки, уверенность (confidence) и карту оценок с окном Ханна. Управление движением, вырезкой кропов и завершением трека реализуется на стороне вызывающего приложения.

ПодробнееФормат: FP32 ONNX opset 17 (полное описание интерфейса в pack/pack.toml).
Проверка: валидация на 4 синтетических тестах показала совпадение с эталонной PyTorch-моделью на ONNX Runtime CPU.
Ограничения: реальные видеосцены, дрейф объекта, а также работа на CoreML и CUDA требуют отдельного тестирования на уровне приложения.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 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.

    # BlurCue/uetrack-b-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 BlurCue/uetrack-b-onnx --local-dir ~/models/uetrack-b-onnx
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к uetrack-b-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 uetrack-b-onnx — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

BlurCue/uetrack-b-onnx
Автор
BlurCue
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

Kefir 2 SFT

Kefir 2 SFT