Модель Perceiver IO, предварительно обученная на ImageNet, классифицирует изображения и извлекает признаки для последующих задач компьютерного зрения.

Подходит для: классификация изображений по категориям ImageNet · получение признаков изображений для обучения классификатора · оценка принадлежности изображения к одному из 1000 классов

Perceiver IO — предобученная на ImageNet модель для классификации изображений и извлечения полезных визуальных признаков.

Подходит для: Классификация изображений по 1000 классам ImageNet · Определение объектов и сцен на изображениях · Извлечение признаков изображений для последующих задач

Модель Perceiver IO, предварительно обученная на ImageNet для классификации изображений по 1000 классам.

Подходит для: классификация изображений на классы ImageNet · определение объектов и сцен на изображениях · извлечение признаков изображений для обучения собственного классификатора

Компактная модель семейства Llama для генерации текста и экспериментов с языковыми моделями.

Подходит для: эксперименты с авторегрессионной генерацией текста · тестирование пайплайнов генерации на компактной модели · создание коротких текстовых продолжений

Falcon Perception — модель TII на 0,6 млрд параметров, которая находит объекты по текстовому запросу и выдаёт для них пиксельные маски.

Подходит для: поиск объектов на изображении по текстовому описанию · сегментация экземпляров объектов в перегруженных сценах · выбор объектов по атрибутам, например цвету или форме

Англоязычный Perceiver IO, предобученный на восстановление замаскированных токенов и извлечение признаков из текста.

Подходит для: восстановление замаскированных слов в английском тексте · извлечение признаков предложений для классификатора · дообучение на размеченных наборах текстов

Компактная vision-language модель PerceptronAI для визуального рассуждения, OCR, понимания интерфейсов и структурированного анализа изображений.

Подходит для: извлечение текста с документов, схем, этикеток и экранов · ответы на вопросы по содержимому изображений · понимание интерфейсов и навигация по рабочему столу

PLM-1B — мультимодальная модель Meta для ответов на вопросы и детального понимания изображений и видео.

Подходит для: ответы на вопросы по содержимому изображений · извлечение текста и сведений из документов и диаграмм · описание объектов и деталей на изображении

Открытая мультимодальная модель Perceptron на 36 млрд параметров для понимания видео, обоснования и управления роботами.

Подходит для: обучение роботизированной политики для манипуляций · генерация дискретных или непрерывных действий робота · оценка прогресса выполнения роботизированной задачи

Компактная визуально-языковая модель на основе Qwen 2.5 0.5B для ответов на текстовые запросы по изображениям и дальнейшего дообучения.

Подходит для: ответы на вопросы о содержимом изображения · описание сцен и объектов для робототехнических систем · подготовка визуально-языковой модели к дообучению

Isaac-0.1 — мультимодальная модель Perceptron для визуальных вопросов и ответов, пространственного анализа и распознавания текста на изображениях.

Подходит для: ответы на вопросы о содержимом фотографии или видеокадра · локализация объектов и дефектов на изображениях · пространственный анализ отношений между объектами

PerceptionDLM параллельно описывает несколько выделенных масками областей изображения за один процесс генерации.

Подходит для: создание подписей для нескольких областей изображения · плотное описание объектов и частей сцены · генерация описаний по маскам сегментации

Компактная мультимодальная модель PerceptronAI анализирует изображения и отвечает на вопросы о визуальном содержимом, включая OCR, интерфейсы и пространственные задачи.

Подходит для: извлечение текста из документов, схем, этикеток и экранов · ответы на вопросы по изображению · понимание и навигация по интерфейсам рабочего стола и мобильных устройств

Мультимодальная модель Alibaba DAMO Academy для понимания изображений и видео, пространственных рассуждений и локализации объектов в embodied AI.

Подходит для: Определение объектов и их атрибутов на изображении · Поиск объектов в изображении или видео по текстовой инструкции · Понимание пространственных отношений между объектами

Isaac-0.1-Base — мультимодальная модель PerceptronAI, которая отвечает на вопросы по изображениям, локализует объекты и распознаёт текст в сценах.

Подходит для: ответы на вопросы о содержимом изображений · поиск дефектов оборудования по фотографии · локализация объектов и указание на области изображения

Perceiver IO, дообученная на IMDb, предсказывает замаскированные слова в англоязычном тексте и подходит как основа для задач анализа отзывов о фильмах.

Подходит для: восстановление замаскированных слов в отзывах о фильмах · подготовка признаков для анализа тональности кинорецензий · эксперименты с маскированным языковым моделированием на английском тексте

Классификатор на основе Perceiver IO определяет тональность англоязычных отзывов о фильмах из IMDb.

Подходит для: Определение тональности отзыва о фильме · Разметка рецензий на IMDb как положительных или отрицательных · Автоматическая сортировка отзывов по эмоциональной окраске

Perceptron Mk1 — vision-language модель для анализа изображений и видео по текстовым запросам и визуального рассуждения.

Подходит для: ответы на вопросы о содержимом изображения · описание визуальных сцен · анализ видеоматериалов по текстовому запросу

Мультимодальная модель Perceptron для восприятия изображений, видео и аудио физическими агентами с текстовыми и структурированными ответами.

Подходит для: анализ изображений для физических агентов · понимание видеопотока · анализ аудиовхода

Демонстрационная модель Perceiver AR для продолжения и генерации символической музыки по MIDI-последовательностям.

Подходит для: генерация продолжения MIDI-фрагмента · создание символических музыкальных последовательностей по начальному мотиву · эксперименты с генерацией музыки на архитектуре Perceiver AR

Мультимодальная модель Alibaba для анализа изображений, визуального программирования и взаимодействия с компьютером.

Подходит для: распознавание объектов на изображениях · ответы на вопросы о содержимом изображений · визуальное программирование по скриншотам

Мультимодальная модель Unbiased для программирования, исследовательских и агентных сценариев, принимающая текст и изображения и генерирующая текст.

Подходит для: анализ изображений и ответы на вопросы по ним · помощь в написании и разборе кода · выполнение агентных задач с вызовом инструментов

OpenAI o1 — модель рассуждения для решения сложных задач по математике, программированию, науке и анализа изображений.

Подходит для: решение многошаговых математических задач · анализ и отладка программного кода · ответы на сложные научные вопросы