Koharu Layout HighRes

Koharu Layout HighRes

检测漫画页面上的文字、拟声词、对话气泡和分格，返回框和掩码。适合用 Koharu 应用开发漫画翻译和清理工具的人。

由 mayocream 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Koharu Layout HighRes 能找出漫画页面的各个部分并勾勒出来。这个模型属于 RF-DETR Seg 2XL 系列，是为 Koharu 应用制作的。对四种页面元素，它会输出框和掩码。它不识别文字，也不判断阅读顺序。它取代了较早的 1152 版布局模型。

适合谁：适合开发漫画翻译或清理工具，并需要知道页面上文字、拟声词、气泡和分格在哪里的人。

Industry | Who uses it | How they use it | Example
出版 | 漫画翻译者 | 排字前先定位文字和气泡 | 找出一页上的每个对话气泡
软件 | 工具开发者 | 把布局检测接入翻译流程 | 把文字掩码交给识别或清理工具
研究 | 视觉研究人员 | 测试漫画布局检测 | 在漫画测试集上给结果打分

如果你处理的是欧美漫画或彩色网络漫画，可以跳过，因为训练数据只有日本漫画。

用在哪里：它是为 Koharu 应用设计的，也可以在 Windows、macOS 或 Linux 上通过 Python 的 rfdetr 库加载。

• 它所服务的 Koharu 应用
• 使用 rfdetr 的 Python 脚本
• 日本漫画的单页和跨页

Use case | Who | What they get back
文字检测 | 翻译者 | 对话和说明文字的框与掩码
拟声词检测 | 清理人员 | 拟声词的框与掩码
气泡和分格查找 | 工具开发者 | 气泡和分格的框与掩码

如何设置：你需要 Python 和下载工具。仓库里有权重、给 Koharu 用的配置文件、许可证和声明文件。权重在 F32 下约 186 MB。

• Python
• 约 186 MB 磁盘空间，用于权重
• 用来运行它的 Koharu 或基于 rfdetr 的脚本

1. 安装 Hugging Face 下载工具。
2. 下载仓库文件。
3. 让 Koharu 或你的 rfdetr 脚本指向下载的文件夹。

pip install -U huggingface_hub
hf download mayocream/koharu-layout-highres

如何使用：给它一张漫画页面图片，它会为找到的每个元素返回一个框和一个掩码，并标上四个类别之一。把输出只当作布局信息，因为它不读取文字。

Class | What it marks
text | 对话、说明、标题和其他非拟声词文字
onomatopoeia | 拟声词
bubble | 对话和文字气泡
panel | 漫画分格

示例：你输入一页扫描的漫画。它为每个气泡、每段对话、每个拟声词和每个分格返回框和掩码，翻译工具可以据此抠出并替换文字。

新手与专家：如果你是新手，可以把它看作给漫画页面各部分描边的工具。先下载文件，再让 Koharu 使用它。

如果你熟悉这个领域，它是在 manga109-segmentation v3.0.0 上从较早的 1152 模型分两个阶段、以递增的输入分辨率微调而成，使用四块 NVIDIA H200 GPU。在测试页面上，框 AP 从 0.653 升到 0.824，掩码 AP 从 0.631 升到 0.701。

漫画页面图片
RF-DETR Seg 模型
四个类别的框和掩码
Koharu 使用这些布局

注意事项：气泡里的拟声词可能被误认为文字，同样的字样也可能被检测两次。

• License: Apache 2.0，NOTICE 文件包含 RF-DETR 的声明
• Cost to run: 没有提到 API 密钥、账号或付费服务
• Data it reaches: 你输入的页面图片，以及从 Hugging Face 下载的文件
• Not for: 读取文字、阅读顺序、彩色网络漫画或非日本漫画

Title: 测试页面上的框 AP
1152 model: 0.653
This model: 0.824

Hugging Face 上的数据（2026年11月13日）

• 任务：image segmentation
• 框架：rfdetr
• 参数量：46.6M
• Weights: about 186 MB in F32; about 23 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：125
• 点赞：5
• 许可证：apache-2.0
• 语言：ja
• 标签：rfdetr, safetensors, manga, comics, rf-detr, instance-segmentation, object-detection, layout-analysis, text-detection, image-segmentation

链接

• 模型：https://huggingface.co/mayocream/koharu-layout-highres
• 文件：https://huggingface.co/mayocream/koharu-layout-highres/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download mayocream/koharu-layout-highres

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。