LeViT Conv 256 — модель для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.
Подходит для: классификация объектов на изображениях · получение эмбеддингов изображений для поиска по сходству · извлечение карт признаков для компьютерного зрения
Компактная модель LeViT для классификации изображений ImageNet-1k и извлечения визуальных признаков.
Подходит для: классификация изображений на категории ImageNet-1k · извлечение эмбеддингов изображений · получение карт визуальных признаков
LVM — авторегрессионная модель визуального предобучения, которая представляет изображения последовательностями токенов и предсказывает их продолжение.
Подходит для: эксперименты с авторегрессионным моделированием изображений · предобучение моделей на визуальных данных · изучение представления изображений как последовательностей визуальных токенов
Компактная модель Vicuna на 137,8 млн параметров для генерации текста и использования как черновой модели в экспериментах со спекулятивным декодированием.
Подходит для: черновая генерация токенов для спекулятивного декодирования · эксперименты с ускорением генерации больших языковых моделей · генерация текста на английском языке
Дообученная модель T5 на базе VietAI/vit5-large с неописанными в карточке целями и сценариями применения.
Производная модели InstantX/Qwen-Image-ControlNet-Inpainting. ControlNet на базе Qwen-Image для заполнения и расширения изображений по маске, замены объектов и фона, а также изменения текста на изображении.
Подходит для: замена объекта в выделенной области изображения · удаление или изменение текста на изображении · замена фона по маске
Производная модели teemosliang/SDPose-Wholebody. SDPose-Wholebody оценивает позу человека на изображениях и предсказывает 133 ключевые точки тела, лица, кистей и стоп, включая стилизованные изображения.
Подходит для: оценка позы человека на фотографиях · определение ключевых точек лица, кистей и стоп · анализ поз персонажей на рисунках и в аниме