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

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

Зрительная модель Apple AIMv2 с 308,3 млн параметров для извлечения признаков изображений и задач визуального понимания.

Подходит для: извлечение признаков изображений для последующего анализа · поиск похожих изображений по визуальным признакам · визуальное понимание изображений в мультимодальных системах

OmniVinci — мультимодальная модель NVIDIA на базе VILA для анализа изображений, видео и аудио, а также извлечения признаков.

Подходит для: извлечение признаков из мультимодальных данных · ответы на вопросы по изображениям · понимание видео со звуковой дорожкой

Визуальная модель Apple с 2,7 млрд параметров для извлечения признаков изображений и задач визуального понимания.

Подходит для: извлечение признаков из изображений · подготовка визуальных представлений для поиска по изображениям · распознавание объектов и категорий

Визуальная модель Apple семейства AIMv2 с 2,7 млрд параметров для извлечения признаков изображений и поддержки задач компьютерного зрения.

Подходит для: извлечение визуальных признаков из изображений · подготовка представлений изображений для мультимодального поиска · использование визуального энкодера в системах распознавания

Дообученная на базе Qwen2.5-1.5B модель для генерации текста с контекстом до 32 768 токенов.

Подходит для: генерация продолжения текста по текстовой подсказке · составление ответов на вопросы в текстовом диалоге · генерация текста на английском языке

Дообученная Qwen2 на 1,5 млрд параметров для генерации диалоговых ответов в юридических RAG-системах.

Подходит для: ответы на вопросы по найденным юридическим документам · создание диалогового интерфейса для поиска по правовым материалам · формулирование ответов юридического RAG-ассистента