Коллекция моделей Ultralytics YOLO для обнаружения объектов и сегментации изображений в ComfyUI.

Подходит для: обнаружение объектов на изображениях в ComfyUI · нахождение лиц на изображениях · сегментация объектов на изображениях

Семейство моделей Ultralytics для обнаружения объектов и других задач компьютерного зрения на изображениях и видеокадрах.

Подходит для: обнаружение и локализация объектов на изображениях · сегментация объектов на пикселях · классификация изображений

Семейство моделей компьютерного зрения Ultralytics для обнаружения объектов и смежных задач, включая сегментацию, классификацию изображений и оценку позы.

Подходит для: обнаружение и локализация объектов на изображениях · сегментация объектов и выделение их масок · классификация изображений по категориям

YOLOv8 — семейство моделей Ultralytics для обнаружения и отслеживания объектов, сегментации, классификации изображений и оценки позы.

Подходит для: поиск и локализация объектов на изображениях · отслеживание объектов в видеопотоке · сегментация объектов с выделением масок

YOLOv5 — семейство моделей Ultralytics для обнаружения и локализации объектов на изображениях и видеокадрах.

Подходит для: обнаружение объектов на фотографиях · поиск и локализация объектов в видеокадрах · подсчёт объектов на изображении по детекциям

MiniMax H3 — мультимодальная генеративная модель MiniMax для создания коротких видео со стереозвуком по тексту, изображениям, видео и аудио.

Подходит для: создание видео по текстовому описанию · анимация изображения с заданным первым или последним кадром · генерация ролика по первому и последнему кадрам

RT-DETR-R101 — Transformer-модель для быстрого обнаружения и локализации объектов на изображениях без NMS.

Подходит для: обнаружение объектов на фотографиях · локализация объектов с помощью ограничивающих рамок · обнаружение объектов в видеопотоке в реальном времени

Qwen-Image-2.1 — модель Qwen для генерации изображений по тексту и редактирования изображений, включая работу с прозрачностью и референсами.

Подходит для: создание изображений по текстовому описанию · генерация изображений с прозрачным фоном RGBA · редактирование выбранной области изображения по маске или пометке

LocateAnything-3B — мультимодальная модель NVIDIA для обнаружения объектов и привязки текстовых запросов к областям и точкам на изображениях.

Подходит для: поиск объектов на изображении по названию или описанию · обнаружение множества объектов в загруженных сценах · выделение области изображения, соответствующей фразе

Переупакованные для ComfyUI модели Wan 2.2 для генерации и управления видео, в том числе по входному изображению.

Подходит для: создание видео на основе изображения · генерация видео по первому и последнему кадрам · генерация видео по текстовому описанию

Компактный DeiT-трансформер для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по классам ImageNet-1k · извлечение признаков для изображений · использование визуального backbone в компьютерном зрении

Stable Diffusion XL Base 1.0 — модель Stability AI для генерации и редактирования изображений по текстовым запросам.

Подходит для: создание иллюстраций по текстовому описанию · генерация изображений для дизайн-концепций · подготовка визуальных материалов для творческих проектов

Набор моделей YOLO от Anzhc для обнаружения объектов и сегментации лиц, глаз, головы и других специализированных категорий на изображениях.

Подходит для: сегментация лиц на иллюстрациях и фотографиях · выделение глаз в аниме-изображениях для автоматизированного inpainting · сегментация головы и волос в конвейерах обработки изображений

LTX-2.5 — диффузионная модель Lightricks для генерации видео и синхронизированного аудио по тексту, изображениям и видео.

Подходит для: создание видеоролика по текстовому описанию · анимация изображения с заданным движением · генерация связанных сцен с сохранением персонажей и стиля

CLIP ViT-B/32 от OpenAI сопоставляет изображения с текстовыми метками для классификации без дообучения и исследований обобщения компьютерного зрения.

Подходит для: классификация изображений по заданным текстовым категориям · поиск подходящей подписи для изображения среди вариантов · исследование переноса на новые классы без дообучения

Дистиллированная модель Alibaba для быстрой генерации изображений по текстовым описаниям с поддержкой английского и китайского текста на изображениях.

Подходит для: создание фотореалистичных изображений по описанию · генерация иллюстраций по текстовому запросу · создание изображений с надписями на английском или китайском

Компактная модель DeiT для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet · получение признаковых представлений изображений · использование как backbone в конвейере компьютерного зрения

Stable Diffusion v1.5 — латентная диффузионная модель для создания и редактирования изображений по текстовым запросам.

Подходит для: создание иллюстраций по текстовому описанию · генерация концепт-арта для творческих проектов · подготовка визуальных идей и дизайн-макетов

Модель CLIP с визуальной частью ConvNeXt-Base для классификации изображений по английским текстовым описаниям без дополнительного обучения и поиска по изображениям и тексту.

Подходит для: классификация изображений по текстовым меткам без дообучения · поиск изображений по текстовому запросу · поиск подходящих описаний для изображения

Grounding DINO Base обнаруживает объекты на изображениях по текстовым запросам без необходимости заранее размечать примеры для каждого класса.

Подходит для: Поиск заданных объектов на фотографии по текстовому описанию · Обнаружение объектов на изображениях без обучающих примеров для каждого класса · Автоматическая локализация упомянутых предметов на изображении

Дистиллированный LoRA-вариант Qwen-Image-2.1 для быстрой генерации изображений по тексту и редактирования по инструкциям с референсами.

Подходит для: создание изображения по текстовому описанию за несколько шагов · редактирование изображения по текстовой инструкции · создание вариаций изображения с одним или несколькими референсами

OmDet-Turbo Swin-Tiny обнаруживает объекты на изображениях по текстовым запросам без отдельного обучения на заданных категориях.

Подходит для: поиск объектов на изображении по произвольным текстовым категориям · zero-shot-разметка изображений для новых наборов классов · пакетное обнаружение объектов с разными текстовыми запросами

Компактная модель DeiT на базе Vision Transformer для классификации изображений по 1 000 классам ImageNet.

Подходит для: классификация изображений ImageNet · распознавание объектов на фотографиях · извлечение признаков изображений для последующего классификатора

CLIP ViT-L/14 от OpenAI сопоставляет изображения с текстовыми категориями для исследовательской классификации изображений без дополнительного обучения.

Подходит для: классификация изображений по текстовым описаниям без дообучения · сравнение изображения с набором англоязычных категорий · исследование обобщения моделей компьютерного зрения