К содержимому
Другое

PERSIST

компактная модель для определения границ сцен в видео

2 мин чтенияобновлено

Модель решает задачу shot boundary detection (автоматический поиск склеек и переходов между кадрами в видеофайлах или наборе декодированных кадров). На выходе вы получаете точные интервалы сцен, разметку резких склеек и плавных переходов, а при необходимости — покадровые оценки вероятности. Архитектура размером всего 13.2M параметров основана на модифицированных компонентах MMAction2 и TransNetV2 и разработана исследователями из TU Wien, St. Pölten UAS и института им. Людвига Больцмана для конференции BMVC 2026. Инструмент пригодится разработчикам видеоредакторов, аналитикам медиаархивов и тем, кто готовит датасеты из длинных роликов.

Ключевые особенности

  • Вес чекпоинта в формате FP32 safetensors составляет всего около 53 МБ, поэтому модель легко запускается даже на CPU.
  • Распознаёт как резкие монтажные склейки (cut), так и плавные переходы (gradual transitions) в рамках одного прохода.
  • Поддерживает пакетную обработку целых папок с видео, рекурсивный обход подкаталогов и экспорт результатов в JSON и CSV.
  • Умеет работать полностью офлайн после предварительного скачивания весов в локальный кэш.

Что можно сделать

  • Автоматически нарезать длинные видеоролики и фильмы на отдельные сцены при подготовке обучающих датасетов для видеомоделей.
  • Встроить в пайплайн обработки видео для анализа монтажного ритма, индексации архивов или поиска нужных фрагментов.
  • Запускать через консоль или Python-скрипты на серверах без видеокарты благодаря нативной поддержке CPU.

Пример

import persist_sbd

model = persist_sbd.load()
result = model.detect("video.mp4")
print(result.shots)  # [(first_frame, last_frame), ...]
result.save_json("shots.json")
ПодробнееПараметры: 13.2M (около 53 МБ в FP32 safetensors), чекпоинт seed11, epoch-10.
Порог инференса по умолчанию: 0.5 (валидационный порог из конфига — 0.68).
Железо и ПО: работает на CUDA или CPU, требует Python 3.10+, декодирование по умолчанию через PyAV.
Лицензия: Apache-2.0.
Обсудить Telegram 1 86

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.0 GB · готовые файлы0.6 GB
  • BF16веса 0.0 GB0.5 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 · F32 — 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.

    # linty5/PERSIST
    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 linty5/PERSIST --local-dir ~/models/PERSIST
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к PERSIST
  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 PERSIST — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

linty5/PERSIST
Автор
linty5
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

861

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии