Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
在图片中找出冰球场的 56 个地标点,并标注编号和置信度。适合体育分析师、转播图形团队和计算机视觉研究者。
HockeyRink 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download SimulaMet-HOST/HockeyRink --repo-type space --local-dir HockeyRink cd HockeyRink
这个 Space 能在图片里找出冰球场上的 56 个地标点,并画在图像上,每个点都带有编号和置信度。它运行的是在冰球场数据集上训练的 YOLOv8 姿态模型。这样你在做空间分析之前,不用再手动标记场地线。
它适合体育分析师、转播图形团队和计算机视觉研究者,他们需要知道球场在相机画面中的位置。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 体育转播 | 图形团队 | 把叠加图形固定在冰面上 | 在广角镜头的冰面上放置一张图形 |
| 体育分析 | 分析师 | 把球员映射到球场平面图上 | 把一帧画面转成球场坐标,用于比赛统计 |
| 计算机视觉 | 研究者 | 在体育视频上测试关键点检测 | 检查球员挡住地标时它的表现 |
| AR 和 VR | 开发者 | 让虚拟场景对齐真实球场 | 把虚拟场景套进球场画面 |
做其他运动,或者完全不处理球场图片的人可以跳过。
| 用途 | 适合谁 | 得到什么 |
|---|---|---|
| 相机标定 | 视觉工程师 | 可用于单应性估计的球场地标点 |
| 转播叠加图形 | 图形团队 | 显示球场在画面中位置的关键点坐标 |
| 球员追踪 | 分析师 | 用来定位球员的固定球场参考点 |
使用在线 Space 不需要安装任何东西。在自己的电脑上运行副本,你需要先准备好:
pip install -U huggingface_hub hf download SimulaMet-HOST/HockeyRink --repo-type space --local-dir HockeyRink cd HockeyRink pip install gradio==5.12.0 pip install -r requirements.txt python app.py
在线使用时,打开 Space 页面并上传一张冰球场的图片。在自己的电脑上,用下面的命令启动应用,用法相同。
python app.py
模型会检测关键点,并在图片上显示每个点的编号和置信度。你可以把这些结果用于后续的空间分析或绘图。
你上传一帧比赛的广角画面,其中球员部分挡住了球场。Space 会返回同一张图片,上面标出检测到的关键点,每个点都有编号和置信度。
如果你刚接触这类工具,可以把它看作一个在照片里找出球场固定地标的工具。打开 Space 页面,试试它自带的示例图片,或者上传你自己的球场图片。
如果你熟悉这个领域,这个模型是 YOLOv8-Large 姿态估计器,接收任意分辨率的 RGB 图像,输出 56 个关键点坐标及置信度。模型卡给出的平均 mAP@0.5 为 97.48%,mAP@0.5:0.95 为 76.45%,精确率 96.21%,召回率 96.24%。它用瑞典冰球联赛的比赛画面训练,模型卡没有给出其他联赛球场的结果。
模型卡列出了在两台机器上测得的速度。
在图片中找出冰球场的 56 个地标点,并标注编号和置信度。适合体育分析师、转播图形团队和计算机视觉研究者。
由 SimulaMet-HOST 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:这个 Space 能在图片里找出冰球场上的 56 个地标点,并画在图像上,每个点都带有编号和置信度。它运行的是在冰球场数据集上训练的 YOLOv8 姿态模型。这样你在做空间分析之前,不用再手动标记场地线。
适合谁:它适合体育分析师、转播图形团队和计算机视觉研究者,他们需要知道球场在相机画面中的位置。
Title: 谁可能用到它
行业 | 谁在用 | 怎么用 | 例子
体育转播 | 图形团队 | 把叠加图形固定在冰面上 | 在广角镜头的冰面上放置一张图形
体育分析 | 分析师 | 把球员映射到球场平面图上 | 把一帧画面转成球场坐标,用于比赛统计
计算机视觉 | 研究者 | 在体育视频上测试关键点检测 | 检查球员挡住地标时它的表现
AR 和 VR | 开发者 | 让虚拟场景对齐真实球场 | 把虚拟场景套进球场画面
做其他运动,或者完全不处理球场图片的人可以跳过。
用在哪里:
Title: 它能做的事
用途 | 适合谁 | 得到什么
相机标定 | 视觉工程师 | 可用于单应性估计的球场地标点
转播叠加图形 | 图形团队 | 显示球场在画面中位置的关键点坐标
球员追踪 | 分析师 | 用来定位球员的固定球场参考点
如何设置:使用在线 Space 不需要安装任何东西。在自己的电脑上运行副本,你需要先准备好:
pip install -U huggingface_hub
hf download SimulaMet-HOST/HockeyRink --repo-type space --local-dir HockeyRink
cd HockeyRink
pip install gradio==5.12.0
pip install -r requirements.txt
python app.py
如何使用:在线使用时,打开 Space 页面并上传一张冰球场的图片。在自己的电脑上,用下面的命令启动应用,用法相同。
python app.py
模型会检测关键点,并在图片上显示每个点的编号和置信度。你可以把这些结果用于后续的空间分析或绘图。
示例:你上传一帧比赛的广角画面,其中球员部分挡住了球场。Space 会返回同一张图片,上面标出检测到的关键点,每个点都有编号和置信度。
新手与专家:如果你刚接触这类工具,可以把它看作一个在照片里找出球场固定地标的工具。打开 Space 页面,试试它自带的示例图片,或者上传你自己的球场图片。
如果你熟悉这个领域,这个模型是 YOLOv8-Large 姿态估计器,接收任意分辨率的 RGB 图像,输出 56 个关键点坐标及置信度。模型卡给出的平均 mAP@0.5 为 97.48%,mAP@0.5:0.95 为 76.45%,精确率 96.21%,召回率 96.24%。它用瑞典冰球联赛的比赛画面训练,模型卡没有给出其他联赛球场的结果。
上传一张球场图片
模型找出 56 个关键点
每个点获得编号和分数
应用把它们画在图片上
注意事项:模型卡列出了在两台机器上测得的速度。
Title: 每秒帧数
Tesla T4 GPU: 13.64 FPS
M3 MacBook Pro: 6.4 FPS
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 4 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| HockeyRink 本页 | 1 | gradio | mit | |
| Open VLM Leaderboard共有 gradio | 1,034 | gradio | apache-2.0 | |
| Face Swap共有 gradio | 808 | gradio | cc-by-nc-sa-4.0 | |
| TTS Spaces Arena共有 gradio | 493 | gradio | zlib | |
| Depth Anything 3共有 gradio | 490 | gradio | cc-by-nc-4.0 | |
| BLIP共有 gradio | 431 | gradio | bsd-3-clause |
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
AbdomenAtlas · 工具包
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。