К содержимому
Другое

OpenVeil-Verifier-DINOv3-ViT-L16

проверка людей в кадре для анонимизации видео

2 мин чтенияобновлено

Модель определяет, действительно ли на вырезанном фрагменте кадра находится человек, чтобы автоматически закрыть его мозаикой перед публикацией видеодатасета. Это бинарный классификатор на базе facebook/dinov3-vitl16-pretrain-lvd1689m (DINOv3 ViT-L/16) с надстройкой LoRA (небольшой адаптер поверх базовой модели) и MLP-головой от исследователей из Корнеллского университета. В отличие от обычных детекторов, она работает вторым этапом после Grounding DINO: отсеивает ложные срабатывания с низким порогом уверенности, чтобы ни один человек не остался без размытия. Пригодится исследователям и разработчикам датасетов, которым нужно быстро замаскировать людей на записях с камер наблюдения.

Ключевые особенности

  • Высокая точность отбора: показатель кросс-валидации ROC AUC достигает 0.994, а на контрольной выборке HUM731 модель закрыла мозаикой 172 из 172 человек (минимум на 90% площади).
  • Высокая скорость инференса: на одной видеокарте NVIDIA A10 в формате bfloat16 со слиянием весов модель обрабатывает 276.7 кропов в секунду (или 191.8 с учётом подготовки кадров на CPU).
  • Устойчивость к ложным срабатываниям: обучалась на 50 756 фрагментах с ферм, где главными «отвлекающими» объектами были телята, коровы и элементы загонов.
  • Безопасный формат весов: адаптер и классификационная голова распространяются в safetensors с контрольными суммами без небезопасных pickle-файлов.

Что можно сделать

  • Подключить к пайплайну OpenVeil для автоматического размытия сотрудников и посетителей на научных или промышленных видеозаписях перед выкладкой в открытый доступ.
  • Использовать как отправную точку для дообучения (файнтюна) верификатора людей под собственные камеры, складские помещения или другие домены.
  • Встроить в связку с Grounding DINO в качестве второго фильтра, если первичный детектор выдаёт слишком много ложных срабатываний на животных или фоне.

Пример

from openveil.detect.verifier import CropVerifier

verifier = CropVerifier(
    adapter_dir="weights/OpenVeil-Verifier-DINOv3-ViT-L16",
    device="cuda"
).load()
scores = verifier.score_frames([frame_bgr], [[[x1, y1, x2, y2]]])
Подробнее Метрики: ROC AUC 0.994; на 2000 повседневных кадров ложные боксы появляются в 3.3% случаев (крупные ≥15% кадра — в 0.4%).
Архитектура: LoRA (rank 32, alpha 64) на всех линейных слоях DINOv3 ViT-L/16 + MLP-голова 1024 → 1024 → 512 → 2, вход 224×224.
Требования и совместимость: нужна transformers ≥ 4.56 и < 5 (тестировалось на 4.57.1 + peft 0.13.2); саму базу DINOv3 нужно запросить отдельно у Meta.
Ограничения: обучена только на записях из телятников; работа на ночных ИК-кадрах с людьми не проверялась, возможны пропуски частично скрытых ног или людей у края кадра.
Обсудить Telegram 0 16

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 1.2 GB · готовые файлы1.8 GB
  • BF16веса 0.6 GB1.2 GB
  • FP8 / INT8рекомендуемвеса 0.3 GB0.9 GB
  • 4-bitвеса 0.2 GB0.7 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.

Это LoRA: вместе с базовой моделью dinov3-vitl16-pretrain-lvd1689m.

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.

    # Sonam5/OpenVeil-Verifier-DINOv3-ViT-L16
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 facebook/dinov3-vitl16-pretrain-lvd1689m --local-dir ~/models/dinov3-vitl16-pretrain-lvd1689m
    hf download Sonam5/OpenVeil-Verifier-DINOv3-ViT-L16 --local-dir ~/models/OpenVeil-Verifier-DINOv3-ViT-L16
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к dinov3-vitl16-pretrain-lvd1689m
  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

Нужна базовая модель

facebook/dinov3-vitl16-pretrain-lvd1689m

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. dinov3-vit7b16-pretrain-lvd1689mоснова семьи
  2. dinov3-vitl16-pretrain-lvd1689m
  3. OpenVeil-Verifier-DINOv3-ViT-L16

Новые посты про версии dinov3-vit7b16-pretrain-lvd1689m — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 1Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face

О модели

Sonam5/OpenVeil-Verifier-DINOv3-ViT-L16
Автор
Sonam5
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

160

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии