Downloads · 30 days
123
5% of all-time downloads
kawaimasa/kawai-aesthetic-scorer-convnextv2
kawai-aesthetic-scorer-convnextv2 is a image classification model from kawaimasa. Use it when you need a label for an image. It is set up for transformers. The card lists the license as apache-2.0.
これは「一般的な美的評価モデル」ではなく、作者の主観的な好み(主にアニメ/2Dイラスト系)に合わせて、 大量画像から学習用データを効率的に選別するためのスコアラー(5クラス分類)です。
Downloads · 30 days
123
5% of all-time downloads
All-time downloads
2.3K
Public
Parameters
196M
786 MB on disk
Likes
5
Public
Click a slice to open those files.
.safetensors786 MB · 100%
From the Hugging Face model README
これは「一般的な美的評価モデル」ではなく、**作者の主観的な好み(主にアニメ/2Dイラスト系)**に合わせて、 大量画像から学習用データを効率的に選別するためのスコアラー(5クラス分類)です。
既存の美的評価モデルには以下の課題がありました:
このモデルは上記問題を解消し、アニメ、イラスト系データセットを作者の主観的な好みを反映しつつ美的評価することを目的として作成されました。
モデルは 5クラス分類です。model.config.id2label にも格納されています。
既定の対応(例):
0: SS_tier1: S_tier2: A_tier3: B_tier4: C_tier※ README上では便宜的に SS/S/A/B/C と書きますが、実際のラベル名は
id2labelを確認してください。
このモデルは 学習時に以下の前処理で学習しています。
推論時も 同じ前処理にしないと、構図や余白の扱いが変わり 分類/スコアがズレる可能性が高いです。
RGB へ変換image_size(例:768)になるようにリサイズimage_size x image_size の正方形にする(レターボックス)ToTensor()Normalize(mean=[0.485,0.456,0.406], std=[0.229,0.224,0.225])# pip install torch torchvision transformers pillow
import torch
import torch.nn.functional as F
from PIL import Image
import torchvision.transforms as T
from transformers import AutoModelForImageClassification
# === 学習時の前処理に合わせる: アスペクト比維持リサイズ → 黒パディングで正方形化 → Normalize ===
class PadResizeProcessor:
def __init__(self, size: int = 768):
self.size = size
self.normalize = T.Compose([
T.ToTensor(),
T.Normalize(mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225]),
])
def __call__(self, image: Image.Image) -> torch.Tensor:
image = image.convert("RGB")
w, h = image.size
# アスペクト比維持で長辺を size に合わせる
scale = self.size / max(w, h)
nw, nh = int(w * scale), int(h * scale)
image = image.resize((nw, nh), Image.Resampling.LANCZOS)
# 黒パディングで正方形に
canvas = Image.new("RGB", (self.size, self.size), (0, 0, 0))
canvas.paste(image, ((self.size - nw) // 2, (self.size - nh) // 2))
return self.normalize(canvas)
repo_id = "kawaimasa/kawai-aesthetic-scorer-convnextv2"
device = "cuda" if torch.cuda.is_available() else "cpu"
model = AutoModelForImageClassification.from_pretrained(repo_id).to(device).eval()
proc = PadResizeProcessor(size=768)
img = Image.open("path_your_image.png")
pixel_values = proc(img).unsqueeze(0).to(device)
with torch.no_grad():
logits = model(pixel_values=pixel_values).logits
probs = F.softmax(logits, dim=-1)[0] # shape: [5]
pred_id = int(torch.argmax(probs).item())
pred_label = model.config.id2label.get(pred_id, str(pred_id))
print("pred:", pred_label)
print("probs:", probs.detach().cpu().tolist())
確率 probs = [SS,S,A,B,C] を 1つのスカラーに潰したい場合の例です。
[1.0, 0.9, 0.5, -0.5, -1.0]weighted_score = sum(probs[i] * weight[i])weights = torch.tensor([1.0, 0.9, 0.5, -0.5, -1.0], device=device)
weighted_score = (probs * weights).sum().item()
print("weighted_score:", weighted_score)
※この重みは「作者の好み」に合わせた例です。用途に応じて変更してください。
本モデルの出力は作者の主観に強く依存します。結果の解釈と利用は自己責任でお願いします。