Мультимодальная модель SpatialAxiom на базе Qwen3.5 для пространственного рассуждения по изображениям и видео.
Подходит для: определение взаимного расположения объектов на изображении · оценка размеров и геометрии помещения по кадру · понимание перспективы и пространственных отношений
Мультимодальная модель Qwen3.5-2B в сборке для SpacemiT K1/K3, предназначенная для диалога с изображениями и текстовых агентских задач.
Подходит для: описание содержимого фотографии · ответы на вопросы об изображении · визуальный диалог на плате SpacemiT K1
SpatialAxiom-9B — мультимодальная модель на базе Qwen3.5-9B для пространственного рассуждения по изображениям и видео.
Подходит для: определение взаимного расположения объектов в сцене · оценка размеров и планировки помещения по изображению · сопоставление объектов между несколькими ракурсами
SpaceOm — дообученная визуально-языковая модель для пространственных вопросов по изображениям, включая расположение объектов, их движение и примерные расстояния.
Подходит для: ответы на вопросы о расположении объектов на изображении · определение взаимного положения и свойств предметов · подсчёт объектов в сцене
Небольшая Vision Transformer-модель timm для извлечения пространственных признаков из изображений размером 512 пикселей.
Подходит для: поиск визуально похожих изображений · извлечение признаков для классификации изображений · индексация изображений в векторной базе
Дообученная мультимодальная модель Qwen3-VL для пространственного рассуждения и анализа переходов состояния мира по изображениям и видео.
Подходит для: Ответы на вопросы о пространственном расположении объектов на изображении · Анализ движения и изменения сцены в видео · Рассуждение о перемещении наблюдателя и эго-движении
Дообученная мультимодальная Qwen3.5-9B для диалога, понимания изображений и творческих сценариев по вселенной Star Trek.
Подходит для: диалоги и ролевые игры по Star Trek · создание рассказов и сцен в жанре научной фантастики · продолжение сюжетов по мотивам TNG и DS9
Конверсия Qwen3.5-4B для устройств SpacemiT K1/K3, предназначенная для диалога и понимания изображений.
Подходит для: описание содержимого фотографии по текстовому запросу · вопросы и ответы по изображению · диалоговый помощник на устройстве SpacemiT K1 или K3
Визуально-языковая модель на базе Qwen2.5-VL для пространственного восприятия и рассуждений по изображениям и видео.
Подходит для: подсчёт объектов на изображении · определение взаимного расположения объектов · оценка относительных расстояний и размеров объектов
Мультимодальная модель kagakouko на базе Qwen3-VL-8B-Instruct для пространственного рассуждения по изображениям и видео.
Подходит для: ответы на вопросы о пространственных отношениях в изображении · анализ перемещений наблюдателя в видеопоследовательности · отслеживание изменений состояния физической сцены
Spatial-SSRL-7B — дообученная мультимодальная модель для анализа пространственных отношений и ответов на вопросы об изображениях и видео.
Подходит для: определение взаимного расположения объектов на изображении · ответы на вопросы о пространстве и геометрии сцены · анализ пространственных отношений в видеокадрах
Дообученная Qwen3-14B с пространственными токенами для понимания и генерации 3D-сеток в диалоговом формате.
Подходит для: генерация 3D-сетки по текстовому описанию · понимание и интерпретация последовательностей токенов 3D-сетки · диалоговые запросы о пространственной структуре сетки
Дообученная мультимодальная модель Qwen2.5-VL для пространственного рассуждения о состоянии мира и движении по изображениям и видео.
Подходит для: ответы на вопросы о пространственных отношениях на изображении · анализ изменений сцены в видеопоследовательности · оценка движения наблюдателя по кадрам
Мультимодальная модель Feyospace-v1 для исследований киберагентов, защитной кибербезопасности и длинноконтекстных агентных задач.
Подходит для: исследование киберагентов в контролируемой среде · анализ изображений в диалоге по задачам кибербезопасности · разбор кода на уровне репозитория
Производная модели gsarch/ViGoRL-3b-Spatial. Дообученная мультимодальная модель Qwen2.5-VL для пространственного рассуждения и привязки ответов к областям изображения.
Подходит для: Решение задач пространственного анализа изображений · Поиск объектов и областей по текстовому запросу · Определение положения объектов относительно друг друга
Дообученная на научных материалах модель Qwen2.5 для диалоговых ответов по гелиофизике, океанографии, астрофизике и дистанционному зондированию.
Подходит для: ответы на вопросы о солнечной активности и миссии Aditya-L1 · объяснение океанографических данных и наблюдений Oceansat-3 · интерпретация тем дистанционного зондирования и радаров Sentinel-1
Мультимодальная модель на базе Qwen2.5-VL-3B-Instruct для пространственного рассуждения по изображениям и видео.
Подходит для: ответы на вопросы о пространственном расположении объектов на изображении · анализ перемещений и изменений сцены в видео · рассуждение о движении наблюдателя относительно окружающей среды
Мультимодальная модель на базе Qwen2.5-VL-3B-Instruct для анализа изображений и решения задач пространственного понимания и рассуждений.
Подходит для: ответы на вопросы о пространственных отношениях на изображении · локализация объектов по визуальному запросу · анализ расположения объектов и структуры сцены
Дообученная мультимодальная модель для пространственного рассуждения и ответов на вопросы по изображениям.
Подходит для: ответы на открытые вопросы о пространственных отношениях на изображении · определение взаимного расположения объектов на изображении · пространственное рассуждение по визуальной сцене
VLM на базе Phi-2 и SigLIP отвечает на вопросы по изображениям и выполняет пространственные рассуждения, включая анализ карт глубины.
Подходит для: ответы на вопросы об объектах и сценах на изображении · определение пространственных отношений между объектами · анализ карт глубины для пространственных задач
SpatioLM-Understanding-InternVL3.5 — мультимодальная модель для пространственного рассуждения и понимания сцен по изображению и текстовому запросу.
Подходит для: описание пространственных отношений между объектами на изображении · анализ расположения объектов в сцене · рассуждение о глубине и геометрии сцены по изображению
Производная модели Diankun/Spatial-MLLM-subset-sft. Дообученная мультимодальная модель Qwen2.5-VL для диалогового анализа видео и ответов на вопросы о пространственной информации в сценах.
Подходит для: ответы на вопросы о пространственных отношениях в видеосценах · анализ расположения объектов в видео · диалоговый разбор визуальных сцен с пространственным содержанием
Производная модели Jack04810/spac-qwen3-4b-spatial-pe-8ep. Дообученная Qwen3-14B с пространственными токенами для понимания и генерации 3D-сеток в диалоговом формате.
Подходит для: генерация 3D-сетки по текстовому описанию · понимание и интерпретация последовательностей токенов 3D-сетки · диалоговые запросы о пространственной структуре сетки
Производная модели Diankun/Spatial-MLLM-subset-sft. Дообученная мультимодальная модель Qwen2.5-VL для диалогового анализа видео и ответов на вопросы о пространственной информации в сценах.
Подходит для: ответы на вопросы о пространственных отношениях в видеосценах · анализ расположения объектов в видео · диалоговый разбор визуальных сцен с пространственным содержанием