К содержимому
Другое

VML (Visual ML) v2.0.0

офлайн-распознавание элементов Mobile Legends

2 мин чтенияобновлено

VML (Visual ML) — это полностью автономная модель компьютерного зрения для распознавания визуальных ассетов из игры Mobile Legends: Bang Bang (MLBB). На вход она принимает изображение размером 224×224 пикселя, а на выходе одновременно выдаёт векторное представление (эмбеддинг) и классифицирует объект по двум уровням детализации: от общих категорий до конкретного скина или предмета. Модель построена на лёгкой архитектуре ConvNeXt-Tiny и дистиллирована (обучена с уменьшением размера без сильной потери качества) из более тяжёлого учителя vit_base_patch16_siglip_224 от автора sansaks. В отличие от обычных классификаторов, релиз поставляется сразу с готовой базой эталонных векторов для быстрого поиска по совпадению, что удобно для анализа стримов и турнирных трансляций.

Ключевые особенности

  • Двухуровневая классификация: определяет 282 общие категории (герои, предметы, заклинания, эмблемы, таланты, навыки, UI) и 2 794 точных класса, включая конкретные скины для 134 героев.
  • Встроенный поиск по базе: вместе с весами идут 4 677 готовых 768-мерных нормализованных эмбеддингов (hero_skin_db.npz) и JSON-файлы с маппингом меток.
  • Формат ONNX и работа офлайн: модель hero_skin_student.onnx не требует подключения к интернету и легко запускается через стандартный ONNX Runtime.
  • Устойчивость к артефактам трансляций: протестирована на синтетических турнирных кадрах с размытием OBS, сжатием JPEG, перекрытием текста ников (IGN) и круглой обрезкой иконок.

Что можно сделать

  • Создать оверлей или аналитический парсер для автоматического считывания пиков, банов, сборок предметов и выбранных скинов прямо со стримов и записей турниров MLBB.
  • Встроить поиск по визуальному сходству (через 768-мерные эмбеддинги) в фанатские базы знаний, вики или Telegram-ботов для определения элемента игры по обрезанному скриншоту.

Пример

Модель принимает тензор pixel_values с формой [B, 3, 224, 224] и возвращает три выхода: embedding (вектор [B, 768] для поиска по базе hero_skin_db.npz), coarse_logits ([B, 282] для базовой категории, например Skill | ) и fine_logits ([B, 2794] для точного класса вроде | skin_XX).

ПодробнееТочность на стресс-тесте (200 синтетических кадров турнирных трансляций): Coarse Top-1 — 99.0%, Fine Top-1 — 93.0%, поиск по базе (768-d DB Retrieval) Top-1 — 99.5% и Top-5 — 100.0%.
Обучающая выборка: 4 677 стандартизированных PNG-ассетов (134 героя, иконки, портреты, скины, навыки, предметы, заклинания, эмблемы, таланты и элементы интерфейса).
В комплекте: файлы hero_skin_student.onnx, hero_skin_student.onnx.data, база векторов hero_skin_db.npz и словари меток в JSON.
Обсудить Telegram 0

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.

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

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

О модели

sansaks/vml
Автор
sansaks
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