К содержимому
Другое

Interlock Edge Comparator

компаратор краёв для автоматической сборки пазлов

2 мин чтенияобновлено

Этот компаратор — часть Interlock, автоматического солвера пазлов. Он получает две детали и оценивает, насколько вероятно, что вторая является правой соседкой первой; поворотом проверяются остальные три направления. В отличие от базовой версии, модель обучена не ломаться, когда контуры деталей не идеальны — как у деталей, вырезанных из фотографии, — и сравнивает не только форму, но и изображение. Пригодится тем, кто делает или исследует автоматическую сборку пазлов и хочет заменить скорер соседства в своём пайплайне.

Ключевые особенности

  • Сравнивает две детали и выдаёт логит вероятности, что вторая — правая соседка первой; поворотом проверяются остальные направления.
  • Обучен на неточные контуры: сегментационные ошибки до 5% и шум, чтобы работать с деталями, вырезанными из фото.
  • Учитывает не только форму, но и картинку: часть ложных пар имеет точный контур, но другое содержимое.
  • Вход — окна шва (5, 184, 80) uint8: RGB плюс маски; выход — один логит на окно.
  • Калибровка: перед softmax логиты делят на T = 0.73.

Что можно сделать

  • Подключить к Interlock и собирать пазлы из синтетических разрезов реальных изображений.
  • Использовать как готовый скорер соседства в своём солвере: матрица (4, N, N) для четырёх направлений.
  • Проверять устойчивость пайплайна к шуму и неровным контурам на своих наборах.

Пример

from huggingface_hub import hf_hub_download
from interlock.models.edge_comparator import load_comparator, pick_device, score_matrix

model = load_comparator(hf_hub_download("dm157/interlock-edge-comparator", "edge_comparator.pt"), pick_device())
logits = score_matrix(model, pieces, masks)  # (4, N, N): right, below, left, above
ПодробнееНа тесте с неравномерной ошибкой контуров Top-1 вырос с 4,5% до 86,3%, а доля полностью собранных пазлов — с 0% до 91%.
Обучение: 1500 изображений SA-1B, 15 эпох, AdamW, lr до 0.001 на Apple Silicon MPS.
Ограничения: синтетические разрезы, не фото физических деталей; лицензия только для исследований и некоммерческого использования.
Обсудить Telegram 1 11

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 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.

    # dm157/interlock-edge-comparator
    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 dm157/interlock-edge-comparator --local-dir ~/models/interlock-edge-comparator
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к interlock-edge-comparator
  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 interlock-edge-comparator — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

dm157/interlock-edge-comparator
Автор
dm157
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

111

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Weed Swin

Weed Swin