Компактная модель FastViT-T8 для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: Классификация изображений по классам ImageNet-1k · Извлечение карт признаков для конвейера компьютерного зрения · Получение эмбеддингов изображений для поиска по визуальному сходству

ViViT — видеомодель с 113,2 млн параметров для классификации действий в роликах и дообучения на другие задачи видеоанализа.

Подходит для: распознавание действий в видеороликах · классификация видео по категориям Kinetics-400 · дообучение классификатора для пользовательских категорий видео

ViT-модель timm для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet-1k · извлечение признаков из изображений · получение эмбеддингов изображений для поиска по сходству

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

Подходит для: классификация объектов на изображениях · извлечение признаков изображения для последующей обработки · получение эмбеддингов изображений

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

Компактная модель LeViT-128S классифицирует изображения по 1 000 классам ImageNet и рассчитана на быстрое распознавание.

Подходит для: классификация изображений по классам ImageNet · распознавание объектов на фотографиях · быстрая классификация изображений в приложении компьютерного зрения

Зрительная модель Meta AI на базе ViT-7B извлекает плотные признаки изображений для классификации, поиска, сегментации и других задач компьютерного зрения.

Подходит для: извлечение признаков для классификации изображений · поиск похожих изображений по эмбеддингам · сегментация изображений с линейным классификатором

GroupViT — vision-language модель для zero-shot семантической сегментации изображений по текстовым названиям категорий.

Подходит для: Сегментация объектов на изображении по категориям, заданным текстом · Поиск областей изображения, соответствующих произвольным словесным меткам · Исследование zero-shot сегментации без пиксельной разметки

Компактная модель Vision Transformer для классификации изображений, конвертированная из весов timm.

Подходит для: классификация объектов на изображениях · распознавание сцен на фотографиях · автоматическая разметка изображений по классам

Компактная модель EfficientViT-B0 классифицирует изображения ImageNet-1k и извлекает визуальные признаки.

Подходит для: классификация изображений по категориям ImageNet · извлечение карт признаков из изображений · получение векторных представлений изображений

Сверточная модель LeViT-128, предобученная на ImageNet-1k для классификации изображений и извлечения признаков.

Подходит для: классификация изображений по категориям ImageNet · получение признаков изображений для последующих задач компьютерного зрения · использование как визуального backbone в прикладных системах

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

Подходит для: классификация изображений по классам ImageNet-1k · получение карт признаков для компьютерного зрения · извлечение эмбеддингов изображений

VITA-1.5 — мультимодальная диалоговая модель для взаимодействия с видео и речевыми данными в реальном времени.

Подходит для: ответы на вопросы по видео · диалог по визуальным данным · анализ видеосцен в ходе общения

Компактная модель Apple MobileViT-S классифицирует изображения по 1000 классам ImageNet и рассчитана на эффективное применение в компьютерном зрении.

Подходит для: классификация объектов на фотографиях · определение класса изображения из 1000 категорий ImageNet · классификация изображений на мобильном устройстве

ViT-модель Alibaba MIIL для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · извлечение признаковых представлений изображений · использование визуального backbone в компьютерном зрении

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

Подходит для: классификация изображений по категориям ImageNet-1k · извлечение карт признаков из изображений · получение эмбеддингов изображений для поиска и сравнения

Компактная мультимодальная производная Qwen3.5-0.8B для диалогов и анализа изображений на платформе RK1828 через LlamaPi.

Подходит для: ответы на вопросы по содержимому изображения на устройстве RK1828 · локальный диалоговый ассистент на периферийном устройстве · прототипирование приложений с анализом изображений

FastViT-SA12 Apple Distilled — компактная модель для классификации изображений ImageNet-1k, извлечения визуальных признаков и эмбеддингов.

Подходит для: классификация изображений по категориям ImageNet · извлечение карт признаков из изображений · получение эмбеддингов изображений для поиска по сходству

ViT с 88,3 млн параметров, обученный на ImageNet-1k, классифицирует изображения и извлекает визуальные признаки.

Подходит для: Классификация изображений по категориям ImageNet-1k · Извлечение эмбеддингов изображений для последующего анализа · Использование как визуального backbone в системах компьютерного зрения

Экспериментальная трёхзначная GGUF-модель для локальной генерации текста и диалога на китайском и английском языках.

Подходит для: локальная генерация ответов в чате на китайском · генерация ответов в чате на английском · создание длинных текстов на маломощном Apple Silicon

Экспериментальная ternary GGUF-модель для диалогов и краткого пошагового рассуждения с бюджетом 512 токенов.

Подходит для: ответы в диалоговом интерфейсе на китайском и английском · решение простых арифметических задач с кратким рассуждением · решение базовых логических задач с выводом ответа

ViT с патчами 16×16, предварительно обученный на ImageNet-21k, классифицирует изображения по категориям.

Подходит для: Классификация объектов на изображениях · Распознавание изображений по категориям ImageNet-21k · Создание основы для дообучения классификатора изображений

CrossViT 18-Dagger 408 — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков.

Подходит для: Классификация изображений по классам ImageNet-1k · Извлечение признаков для изображений · Получение эмбеддингов изображений

Экспериментальная чат-модель на объединённых весах Qwen и Bonsai с ограниченным режимом рассуждений для кратких ответов в LM Studio.

Подходит для: Получение кратких ответов на вопросы в чате · Решение простых арифметических задач с ограниченным рассуждением · Проверка ответов на простые логические задачи