Экспериментальная DFlash-модель, предлагающая черновые токены для ускорения спекулятивного декодирования nvidia/Qwen3.8-Flash-Next-NVFP4.

Подходит для: ускорение генерации токенов вместе с целевой моделью Qwen3.8-Flash-Next-NVFP4 · проверка спекулятивного декодирования на инфраструктуре vLLM · экспериментальное сравнение DFlash и MTP для генерации текста

PaliGemma 2 3B Mix 448 — мультиязычная визуально-языковая модель Google для описания изображений, ответов на вопросы по ним и других задач компьютерного зрения с текстовым выводом.

Подходит для: создание коротких подписей к изображениям · ответы на вопросы о содержимом изображения · распознавание текста на изображениях

PixArt-α — трансформерная латентно-диффузионная модель для генерации и редактирования изображений по текстовым запросам с разрешением 1024 пикселя.

Подходит для: создание художественных изображений по описанию · генерация иллюстраций для творческих проектов · подготовка визуальных концепций для дизайна

Модель gMLP для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: Классификация изображений по классам ImageNet-1k · Извлечение признаков изображений для downstream-моделей · Использование визуального backbone в исследовательских и прикладных системах

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

PixelModel — игрушечная MLP от Bench Labs, которая генерирует изображения 32×32 по текстовым запросам.

Подходит для: эксперименты с обучением генеративных моделей на игрушечных наборах данных · генерация простых изображений 32×32 по короткому текстовому запросу · изучение кодирования весов нейросети в пикселях PNG

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

Полноточечная MLX-конверсия мультимодальной Qwen3.8-27B-Abliterated для диалогов, генерации текста и анализа изображений на Apple Silicon.

Подходит для: ответы на вопросы по изображениям · диалоги с мультимодальным помощником · генерация текста на английском и китайском

PLM8B — мультимодальная модель Meta для диалогового понимания изображений и видео, включая визуальные вопросы и анализ событий.

Подходит для: ответы на вопросы по содержимому изображения · извлечение текста и сведений из документов на изображении · анализ графиков и диаграмм

Дообученная Stable Diffusion для генерации спрайтов и сцен в пиксельном стиле по текстовым запросам.

Подходит для: создание пиксельных спрайтов для игр · генерация сцен в стиле 16-битных игр · подготовка пиксельных иллюстраций по текстовому описанию

Конверсия MiniCPM-V-4.6 в формат MLX для мультимодального чата и ответов по изображениям на устройствах Apple Silicon.

Подходит для: ответы на вопросы по изображению · описание содержимого фотографии · диалог с учётом изображения

MLP-Mixer — модель для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-21k.

Подходит для: классификация изображений размером 224 × 224 · извлечение признаков и эмбеддингов изображений · использование визуального бэкбона в компьютерном зрении

Модель MLP-Mixer для классификации изображений ImageNet и извлечения признаковых представлений.

Подходит для: классификация изображений по категориям ImageNet · извлечение признаков и эмбеддингов изображений · использование визуального бэкбона в задачах компьютерного зрения

Зрительная модель Apple AIMv2 для извлечения признаков изображений в задачах компьютерного зрения и мультимодального понимания.

Подходит для: извлечение признаков изображений для последующей классификации · подготовка визуальных представлений для мультимодального поиска · использование признаков в системах понимания изображений

4-битная мультимодальная сборка Inkling для диалогов и анализа изображений на компьютерах Apple Silicon с MLX.

Подходит для: диалоги с мультимодальной моделью на Mac с Apple Silicon · ответы на вопросы по изображениям · генерация продолжения текста локально

MLP-Mixer от Alibaba-MIIL для классификации изображений и извлечения признаков, предварительно обученная на ImageNet-21k и дообученная на ImageNet-1k.

Подходит для: классификация изображений по классам ImageNet-1k · извлечение признаковых представлений изображений · создание визуального бэкбона для компьютерного зрения

Модель ResMLP для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet-1k · извлечение признаков изображений для downstream-задач · использование в качестве визуального backbone

Модель компьютерного зрения Apple для извлечения признаков из изображений и использования в последующих задачах визуального анализа.

Подходит для: извлечение признаков изображения для поиска похожих изображений · подготовка визуальных эмбеддингов для мультимодальных систем · получение признаков изображений для последующей классификации

MLP-Mixer от Alibaba-MIIL для классификации изображений ImageNet-21k и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet-21k · извлечение эмбеддингов изображений для поиска по визуальному сходству · использование в качестве визуальной основы для задач компьютерного зрения

Дообученная Stable Diffusion, создающая изображения в стиле пиксель-арта по текстовым запросам с токеном pixelartstyle.

Подходит для: создание пиксельных иллюстраций по текстовому описанию · генерация спрайтов и игровых концептов в стиле пиксель-арта · создание пиксельных изображений персонажей и сцен

PixelReasoner-RL-v1 — дообученная TIGER-Lab мультимодальная модель для диалогового анализа изображений и визуального рассуждения.

Подходит для: ответы на вопросы по изображению · визуальное рассуждение по содержимому изображения · диалоговый анализ изображений

Безусловная пиксельная DDPM-модель на базе 2D UNet, предназначенная для априорной регуляризации реконструкции КТ-срезов горных пород.

Подходит для: реконструкция КТ-срезов горных пород · восстановление изображений КТ при малом числе проекций · использование априорного распределения изображений в обратных задачах КТ

Визуальная модель Apple с 2,7 млрд параметров для извлечения признаков изображений и задач визуального понимания.

Подходит для: извлечение признаков из изображений · подготовка визуальных представлений для поиска по изображениям · распознавание объектов и категорий

ResMLP — модель классификации изображений ImageNet-1k, также пригодная для извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet-1k · извлечение признаков изображений для последующей обработки · получение эмбеддингов для поиска похожих изображений