Англоязычная модель эмбеддингов для сравнения текстов по стилю письма независимо от их содержания.
Подходит для: сравнение текстов по сходству стиля письма · кластеризация документов по стилистическим признакам · анализ авторского стиля
Англоязычная модель на базе RoBERTa создаёт эмбеддинги для сравнения и группировки текстов по стилю независимо от их содержания.
Подходит для: сравнение манеры письма двух текстов · кластеризация документов по стилю · идентификация автора по тексту
Многоязычная модель XLM-RoBERTa строит эмбеддинги стиля текста для анализа, кластеризации и сравнения авторского письма независимо от языка и содержания.
Подходит для: кластеризация текстов по стилю письма · идентификация автора многоязычного текста · проверка, написаны ли два текста одним автором
Англоязычная модель DistilRoBERTa преобразует предложения и короткие абзацы в эмбеддинги для семантического поиска, сравнения и кластеризации.
Подходит для: семантический поиск по коллекции текстов · сравнение смысловой близости двух предложений · кластеризация коротких текстов по смыслу
Мультиязычная модель DistilBERT преобразует предложения и абзацы в векторы для семантического поиска, сравнения и кластеризации.
Подходит для: семантический поиск по документам на разных языках · поиск похожих предложений и абзацев · сравнение смысловой близости текстов
Многоязычная модель DistilBERT создаёт 512-мерные эмбеддинги предложений и абзацев для семантического поиска, сравнения и кластеризации.
Подходит для: семантический поиск по коллекции документов · поиск похожих предложений на разных языках · сравнение смысловой близости двух текстов
PickScore v1 оценивает изображения, созданные по текстовому запросу, для прогнозирования предпочтений и ранжирования результатов генерации.
Подходит для: оценка соответствия сгенерированного изображения текстовому запросу · ранжирование вариантов изображения по предпочтениям пользователей · прогнозирование человеческой оценки изображений
Дообученная на задачу стилевых представлений модель RoBERTa превращает предложения и абзацы в 768-мерные эмбеддинги для поиска и кластеризации по сходству стиля.
Подходит для: поиск текстов со сходным стилем изложения · кластеризация предложений и абзацев по стилю · сравнение стилевого сходства текстов
Англоязычный cross-encoder на базе RoBERTa оценивает семантическое сходство пары предложений для ранжирования и сравнения текстов.
Подходит для: ранжирование предложений по семантическому сходству · сравнение вариантов формулировок · поиск похожих предложений среди кандидатов
STAR извлекает векторные представления авторского стиля из текста для задач анализа и сравнения текстов.
Подходит для: извлечение признаков авторского стиля · сравнение текстов по стилю письма · подготовка эмбеддингов для анализа авторства
Мультиязычная модель Sentence Transformer преобразует документы в векторы для сравнения авторского стиля и атрибуции авторства.
Подходит для: поиск текстов, написанных одним автором · атрибуция авторства документов · сравнение стилистического сходства текстов
Англоязычный Cross-Encoder оценивает семантическое сходство пары предложений и помогает ранжировать тексты по близости смысла.
Подходит для: оценка сходства двух предложений · поиск перефразировок и похожих фраз · переранжирование результатов семантического поиска
Модель LUAR-MUD преобразует английские тексты в эмбеддинги для сравнения авторского стиля и атрибуции авторства.
Подходит для: сравнение авторского стиля двух текстов · поиск текстов одного автора · атрибуция авторства английских публикаций
Модель оценивает эстетическую привлекательность изображений и помогает ранжировать их по визуальной оценке.
Подходит для: ранжирование изображений по эстетической привлекательности · отбор изображений для обучающего набора · фильтрация изображений по порогу эстетической оценки
LUAR-CRUD преобразует тексты в векторные представления авторского стиля для анализа сходства и авторства.
Подходит для: Сравнение авторского стиля двух текстов · Поиск текстов одного автора по стилевому сходству · Получение эмбеддингов комментариев для анализа авторства
Модель ViT-Large извлекает стилевые признаки изображений для сравнения стилей и атрибуции изображений из генеративных наборов данных.
Подходит для: извлечение признаков визуального стиля изображения · сравнение стилевого сходства двух изображений · поиск обучающих изображений со стилем, похожим на сгенерированное изображение
ONNX-порт визуальной модели CLIP для классификации изображений и поиска похожих изображений.
Подходит для: Классификация изображений · Поиск визуально похожих изображений · Создание визуальных представлений изображений для поиска
Мультимодальная модель E5-V преобразует текст и изображения в эмбеддинги для поиска и оценки сходства между ними.
Подходит для: поиск изображений по текстовому запросу · поиск текстовых описаний по изображению · оценка сходства между предложениями
CLIP-энкодер StyleID создаёт устойчивые к стилизации эмбеддинги личности для сравнения, поиска и оценки изображений.
Подходит для: сравнение сходства личности на изображениях в разных художественных стилях · поиск изображений с тем же человеком в коллекции · оценка сохранения идентичности при генерации изображений
CSD на основе CLIP ViT-L/14 извлекает стилевые и содержательные признаки изображений для оценки стилевого сходства.
Подходит для: поиск изображений с похожим художественным стилем · сравнение стилевого сходства двух изображений · извлечение стилевых эмбеддингов изображений
Дообученная BERT-модель сравнивает два текста и оценивает, написаны ли они одним автором.
Подходит для: проверка, написаны ли два текста одним автором · сравнение авторского стиля в парах документов · поиск текстов одного автора в коллекции
LUSR извлекает стилевые представления текста для обнаружения машинно-сгенерированного текста и проверки авторства.
Подходит для: извлечение стилевых эмбеддингов текста · обнаружение текста, сгенерированного языковой моделью · сравнение стиля текстов разных авторов
Визуальный энкодер CLIP на архитектуре ConvNeXt Large извлекает признаки изображений для поиска и сравнения.
Подходит для: поиск похожих изображений по визуальному сходству · извлечение признаков изображений для индексации · подготовка эмбеддингов изображений для последующей классификации
Модель DistilBERT преобразует предложения и абзацы в 768-мерные векторы для семантического поиска, сравнения и кластеризации.
Подходит для: семантический поиск по коллекции документов · поиск предложений, близких по смыслу к запросу · сравнение семантического сходства двух текстов