К содержимому
Другое

Presonance EmoSet ensemble

ансамбль для распознавания эмоций по картинкам

2 мин чтенияобновлено

Модель определяет, какую из восьми эмоций вызывает изображение: веселье, благоговение, удовлетворение, возбуждение, злость, отвращение, страх или грусть. В основе лежит ансамбль (объединение нескольких нейросетей для повышения точности) из четырёх полностью дообученных визуальных энкодеров на библиотеке timm: OpenAI CLIP-L14, BAAI EVA02-L14, Meta PE-Core-L14 и Google SigLIP2-giant. В отличие от простых классификаторов с замороженными весами, здесь авторы адаптировали все четыре базовые архитектуры под датасет EmoSet. Решение пригодится разработчикам систем модерации, анализа визуального контента и рекомендательных сервисов.

Ключевые особенности

  • Объединяет четыре мощных энкодера (CLIP-L14, EVA02-L14, PE-Core-L14 и SigLIP2-giant) с полным файнтюнингом.
  • Классифицирует изображения строго по 8 категориям эмоций (amusement, awe, contentment, excitement, anger, disgust, fear, sadness).
  • Модели запускаются последовательно — для работы нужна CUDA-видеокарта, способная вместить самый крупный компонент ансамбля.
  • Веса занимают около 4.17 ГБ, а инференс реализован через кастомный скрипт predict.py в репозитории.

Что можно сделать

  • Автоматически тегировать фотоархивы и медиабиблиотеки по эмоциональному окрасу кадров.
  • Использовать для аналитики визуального контента в соцсетях и оценки эмоционального отклика на иллюстрации.
  • Встроить в пайплайны фильтрации или сортировки изображений в связке с другими timm-моделями.

Пример

from huggingface_hub import snapshot_download
import importlib.util, torch

folder = snapshot_download('saa938/presonance-emoset-ensemble')
spec = importlib.util.spec_from_file_location('emoset_predict', folder + '/predict.py')
module = importlib.util.module_from_spec(spec)
spec.loader.exec_module(module)
model = module.EmoSetEnsemble(folder, device='cuda')
print(model.predict(['your_image.jpg'], batch_size=64))
ПодробнееТочность (accuracy) на официальном тестовом сплите EmoSet (17 716 изображений): 87.1077% (против 85.1095% у релиза PerceptCLIP при повторном прогоне на тех же данных).
При удалении 229 дубликатов из выборки точность составляет 87.0189% на 17 487 картинках.
Ограничения: модель оценивает категории эмоций из датасета, а не реальные чувства конкретного человека или активность мозга.
Лицензия модификаций: Apache-2.0 (базовые модели сохраняют свои исходные лицензии).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 2.2 GB · готовые файлы2.9 GB
  • FP8 / INT8рекомендуемвеса 1.1 GB1.7 GB
  • 4-bitвеса 0.6 GB1.2 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.

    # saa938/presonance-emoset-ensemble
    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 saa938/presonance-emoset-ensemble --local-dir ~/models/presonance-emoset-ensemble
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к presonance-emoset-ensemble
  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 eva02_large_patch14_clip_336.merged2b — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 1Все на Hugging Face

О модели

saa938/presonance-emoset-ensemble
Автор
saa938
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