Большая модель Vision Transformer от Google классифицирует изображения по классам ImageNet и может служить энкодером признаков для задач компьютерного зрения.

Подходит для: классификация изображений по 1000 классам ImageNet · извлечение признаков изображения для последующего обучения классификатора · использование предобученного визуального энкодера в задачах компьютерного зрения

Визуальная модель Meta AI на базе ConvNeXt Small извлекает универсальные признаки изображений для поиска, классификации, сегментации и других задач компьютерного зрения.

Подходит для: поиск похожих изображений по визуальным признакам · классификация изображений с линейным классификатором · семантическая сегментация изображений

Фотореалистичная модель Stable Diffusion XL для быстрой генерации изображений по текстовым запросам.

Подходит для: создание фотореалистичных изображений по описанию · генерация портретов и сцен с реалистичной внешностью · быстрое создание концепт-изображений

Мультимодальная модель Ai2 для понимания сцен, пространственных отношений, нескольких изображений и временной последовательности в видео.

Подходит для: Ответы на вопросы о содержимом изображения · Определение точного положения объекта на изображении · Сопоставление объектов и сцен на нескольких изображениях

Крупная модель Vision Transformer, обученная на ImageNet-21k для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · распознавание сцен и категорий изображений · извлечение визуальных признаков для компьютерного зрения

safetensors: формат, квантизация, runtime и память принадлежат одному artifact

Visformer Small — модель timm для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet · получение эмбеддингов изображений для поиска похожих объектов · извлечение визуальных признаков для последующих задач компьютерного зрения

Тернарная диффузионная модель mindview для быстрой генерации изображений 512 × 512 по текстовым описаниям в браузере через WebGPU.

Подходит для: создание иллюстраций по текстовому промпту в браузере · быстрый набросок изображения за один шаг · генерация изображений в два шага с черновиком низкого разрешения

BigBrVisuals/MyModes-Pro — модель генерации текста с тегом GPT-2 и контекстом до 1024 токенов для продолжения текстовых последовательностей.

Подходит для: автодополнение текстов · генерация коротких текстовых фрагментов · создание черновиков на основе начального запроса

Мультимодальная чат-модель OpenGVLab на 38 млрд параметров для анализа изображений и видео, визуального рассуждения и текстовых задач.

Подходит для: ответы на вопросы о содержимом изображения · сравнение и анализ нескольких изображений · понимание видеоматериалов

ConvNeXt Large — модель классификации изображений, предобученная на ImageNet-22k и дообученная на ImageNet-1k.

Подходит для: классификация объектов на изображениях · определение категории фотографии · извлечение карт признаков для компьютерного зрения

BEiT-base — модель Vision Transformer для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация изображений по классам ImageNet · определение объектов и сцен на фотографиях · извлечение признаков изображений для последующего обучения классификатора

Компактный Vision Transformer, обученный на ImageNet-1k для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet · извлечение признаков из изображений · использование визуальной основы в компьютерном зрении

BEiT Base Patch16 224 — vision transformer для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet · извлечение эмбеддингов изображений для поиска похожих изображений · получение визуальных признаков для последующих задач компьютерного зрения

FIBO — модель Bria AI для генерации изображений по тексту с точным управлением композицией, освещением, цветом и параметрами камеры.

Подходит для: создание изображений по подробному структурированному описанию · генерация иллюстраций с заданными композицией и освещением · итеративное уточнение отдельных характеристик изображения

Realisian6 — модель GraydientPlatformAPI для генерации изображений по текстовым запросам.

Подходит для: создание изображений по текстовому описанию · визуализация идеи по промпту · генерация иллюстраций

ConvNeXt Large с визуальными весами CLIP, дообученная на ImageNet для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · распознавание категорий на фотографиях ImageNet · извлечение карт визуальных признаков

Зрительная модель Meta AI на ConvNeXt Large извлекает плотные признаки изображений для классификации, поиска, сегментации и других задач компьютерного зрения.

Подходит для: извлечение признаков изображений для классификатора · поиск похожих изображений по эмбеддингам · семантическая сегментация изображений

Фотореалистичная модель на базе Stable Diffusion XL для быстрой генерации изображений по текстовым описаниям.

Подходит для: создание фотореалистичных изображений по текстовому запросу · генерация портретов и изображений людей · создание визуальных концептов и иллюстраций

Мультимодальная модель Kwai-Keye на базе Qwen2.5-VL для анализа изображений высокого разрешения и сложных визуальных задач с использованием исполняемого кода.

Подходит для: анализ изображений высокого разрешения по текстовым инструкциям · решение сложных задач визуального рассуждения · выполнение вычислений при анализе изображений

Крупная модель Vision Transformer для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям · получение эмбеддингов изображений · извлечение признаков для систем компьютерного зрения

GigaBrain-0.7-3.5B-Base — VLA-модель для понимания визуальных и языковых сигналов и генерации действий роботов по инструкциям.

Подходит для: управление роботом по текстовой инструкции · выполнение бытовых задач на роботизированной платформе · выполнение промышленных задач роботом

Зрительная модель Apple AIMv2 с 308,3 млн параметров для извлечения признаков изображений и задач визуального понимания.

Подходит для: извлечение признаков изображений для последующего анализа · поиск похожих изображений по визуальным признакам · визуальное понимание изображений в мультимодальных системах

Крупная модель компьютерного зрения EVA Giant классифицирует изображения и извлекает визуальные признаки для дальнейших задач.

Подходит для: классификация изображений по категориям · извлечение эмбеддингов изображений · создание визуального бэкбона для компьютерного зрения