pixai-labs/pixai-tagger-v1.0
PixAI Tagger v1.0 Tag your anime images with 30,877 tags for characters, clothing, styles, and more. Use the tags to organize your collection, prepare a dataset, or help write captions. Cutoff: May 2026. Quickstart(quickstart) · v0.9 comparison(comp...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tháng
#1 Repository Của Ngày
#1 Repository Của Tháng
🏷️ PixAI Tagger v1.0: Gán nhãn anime tự động với hơn 30.000 thẻ
Mô hình image-classification dựa trên Transformers, hỗ trợ gán nhãn chi tiết cho ảnh anime với độ chính xác cao.
PixAI Tagger v1.0 là một mô hình phân lớp ảnh (image-classification) được phát triển bởi PixAI Labs, cho phép gán nhãn tự động cho ảnh anime với tới 30.877 thẻ phân loại thành sáu danh mục: general, character, style, copyright, meta và rating. Mô hình hỗ trợ người dùng tổ chức bộ sưu tập ảnh, chuẩn bị dữ liệu huấn luyện hoặc viết mô tả (caption) cho ảnh một cách nhanh chóng và chính xác.
✨ Điểm nổi bật
- 30.877 thẻ phân loại: Phân phối qua sáu danh mục bao gồm nội dung chung, nhân vật, phong cách, bản quyền, thông tin meta và xếp hạng.
- Backbone SAM3 tinh chỉnh: Sử dụng kiến trúc SAM3 với 486,3 triệu tham số, xử lý ảnh ở độ phân giải 1008 × 1008.
- Tỷ lệ khung hình giữ nguyên: Thay đổi kích thước và đệm ảnh mà không biến dạng.
- Ngưỡng đề xuất theo danh mục: Tối ưu hoá cho từng nhóm thẻ (ví dụ: general 0.17, character 0.27).
- Hỗ trợ Transformers pipeline: Dễ dàng tích hợp vào workflow với
trust_remote_code=True. - Kết quả gán nhãn theo nhóm: Trả về điểm số tin cậy của từng thẻ được phân nhóm rõ rệt.
💡 Vì sao đáng chú ý
PixAI Tagger v1.0 cải tiến đáng kể so với phiên bản v0.9, vừa tăng số lượng thẻ từ 13.461 lên 30.877, vừa nâng độ phân giải đầu vào từ 448 × 448 lên 1008 × 1008. Trên bộ dữ liệu kiểm tra chung, v1.0 đạt được chỉ số F1 micro lên tới 0.6660 ở danh mục general và 0.9242 ở character, vượt rõ so với các mô hình cùng thời điểm như CAFormer B36, EVA Giant hay thậm chí là chính phiên bản trước.
Mô hình phù hợp với các tác vụ như xây dựng bộ dữ liệu anime, tự động gán thẻ cho nội dung số, hoặc hỗ trợ sinh mô tả ảnh trong các ứng dụng AI sáng tạo.
#AI #MachineLearning #AnimeTagging #Transformers #ImageClassification #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
📰 Tech Blog | 📄 Full Report 1. Model Introduction Kimi K3 is an open-weight, native multimodal agentic model and our most capable model to date. It is a 2.8T-parameter model built on Kimi Delta Attention (K...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more languages,...
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic se...
Vision Transformer (base-sized model) Vision Transformer (ViT) model pre-trained on ImageNet-21k (14 million images, 21,843 classes) at resolution 224x224, and fine-tuned on ImageNet 2012 (1 million images, 1,000 classes) at resolution 224x224. It w...
Model card for mobilenetv3small100.lambin1k A MobileNet-v3 image classification model. Trained on ImageNet-1k in timm using recipe template described below. Recipe details: A LAMB optimizer based recipe that is similar to ResNet Strikes Back(https:/...
Unlimited OCR Works Welcome the Era of One-shot Long-horizon Parsing. Release - 2026/06/23 📄 Our paper is now available on arXiv(https://arxiv.org/abs/2606.23050). - 2026/06/23 🤝 Thanks to the ModelScope community for their support. Our model is n...
Qwen3.8-27B !Note This repository contains model weights and configuration files for the post-trained model in the Hugging Face Transformers format. These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, TokenSpeed, etc. !Tip F...
Cross-Encoder for MS Marco This model was trained on the MS Marco Passage Ranking(https://github.com/microsoft/MSMARCO-Passage-Ranking) task. The model can be used for Information Retrieval: Given a query, encode the query will all possible passages...