Визуально-языковая модель Google для классификации изображений по текстовым меткам, поиска изображений по тексту и использования как визуального энкодера.

Подходит для: классификация изображений по пользовательским текстовым меткам без дообучения · поиск изображений по текстовому описанию · поиск текстовых описаний, соответствующих изображению

Визуально-языковой энкодер Google для классификации изображений по текстовым меткам, поиска изображений по тексту и использования в составе VLM.

Подходит для: классификация изображения по списку текстовых меток · поиск изображений по текстовому запросу · поиск текста, соответствующего изображению

Базовая vision-модель Google для классификации изображений по текстовым меткам, поиска по парам изображение–текст и использования в качестве визуального энкодера.

Подходит для: классификация изображений по пользовательским текстовым меткам · поиск изображений по текстовому запросу · поиск подходящего текста для изображения

Базовая модель Google для классификации изображений по текстовым меткам, поиска по изображению и тексту и использования в качестве визуального энкодера.

Подходит для: классификация изображения по списку текстовых меток · поиск изображений по текстовому описанию · поиск подходящего текста для изображения

Визуально-текстовая модель Google для классификации изображений по текстовым меткам, поиска изображений и использования в качестве визуального энкодера.

Подходит для: классификация изображений по заданным текстовым категориям · поиск изображений по текстовому описанию · сопоставление изображений с подписями или запросами

Крупная модель CaiT, обученная на ImageNet-1k для классификации изображений и извлечения визуальных признаков.

Подходит для: определение класса объекта на изображении · классификация фотографий по категориям ImageNet · извлечение признаков изображений для последующего анализа

Модель BEiT-v2 на базе Vision Transformer классифицирует изображения и извлекает их векторные признаки.

Подходит для: классификация изображений по категориям · извлечение признаков изображений для поиска по сходству · создание визуального бэкбона для системы компьютерного зрения

Визуальный энкодер SigLIP 2 для извлечения признаков изображений и построения визуальных представлений.

Подходит для: извлечение векторных признаков изображений · подготовка эмбеддингов изображений для поиска · сравнение изображений с помощью визуальных представлений

Визуальный энкодер SigLIP 2 на базе ViT для извлечения признаковых векторов изображений в задачах поиска и сопоставления.

Подходит для: извлечение векторов признаков изображений · поиск похожих изображений по визуальному содержанию · подготовка изображений для мультимодального поиска

Визуальный Vision Transformer Meta AI для извлечения признаков изображений и использования их в классификации, поиске, сегментации и других задачах компьютерного зрения.

Подходит для: извлечение признаков изображений для классификатора · поиск похожих изображений по эмбеддингам · классификация изображений с линейным классификатором

SigLIP — мультимодальная модель Google для классификации изображений по текстовым меткам и поиска между изображениями и текстом.

Подходит для: классификация изображений по текстовым описаниям без дообучения · поиск изображений по текстовому запросу · поиск подходящих подписей к изображению

Большой визуально-языковой энкодер Google для классификации изображений по текстовым меткам, поиска по изображениям и извлечения визуальных признаков.

Подходит для: классификация изображений по текстовым описаниям без дообучения · поиск изображений по текстовому запросу · поиск подходящих текстов для изображения

Визуально-языковая модель Google для классификации изображений по текстовым меткам, поиска изображений и использования в качестве визуального энкодера.

Подходит для: классификация изображения по списку текстовых меток · поиск изображений по текстовому описанию · сопоставление изображений и подписей

Мультимодальная модель TaichuAI на 9 млрд параметров для понимания изображений и видео, пространственных рассуждений и многошаговых агентных задач.

Подходит для: ответы на вопросы по изображениям, документам и графикам · распознавание и интерпретация текста на изображениях · анализ событий и поиск деталей в видеозаписях

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

Визуальный энкодер SigLIP 2 на ViT извлекает признаки из изображений для поиска и последующего анализа.

Подходит для: извлечение векторных признаков изображений · поиск похожих изображений · построение визуального поиска по коллекции изображений

Мультимодальная модель Abacus.AI на базе Qwen3.8-27B для многошагового использования инструментов и автоматизации задач.

Подходит для: выполнение многошаговых задач с вызовом инструментов · автоматизация рабочих процессов через агентные сценарии · управление действиями в исполняемой среде до достижения результата

Компактный классификатор Sheltron на базе ModernBERT для обнаружения prompt injection и jailbreak и классификации характеристик атак.

Подходит для: фильтрация прямых prompt injection атак во входящем тексте · обнаружение скрытых инструкций в документах и других источниках · выявление попыток обхода защитных правил модели

Дообученная CLIP Vision-модель извлекает признаки изображений дорожных знаков для классификации и задач компьютерного зрения.

Подходит для: Извлечение признаков изображений дорожных знаков · Классификация дорожных знаков на данных GTSRB · Подготовка визуальных представлений для последующей классификации

Модель CoAtNet с 73,9 млн параметров классифицирует изображения 384 × 384 и может служить backbone для извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · распознавание категорий товаров по фотографии · извлечение признаков для визуального поиска

Дообученная SigLIP2-модель классифицирует изображения жестов букв английского алфавита от A до Z.

Подходит для: распознавание жеста отдельной буквы на изображении · обучение распознаванию жестового алфавита · практика жестов с автоматической проверкой букв

CaiT M36 — крупная модель для классификации изображений ImageNet-1k и получения визуальных признаков.

Подходит для: классификация изображений по категориям · распознавание объектов на фотографиях · извлечение признаков изображений для последующих задач компьютерного зрения

Гибридная CoAtNet-модель для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-12k и ImageNet-1k.

Подходит для: классификация изображений по категориям ImageNet · определение объектов и сцен на фотографии · извлечение признаковых карт для компьютерного зрения

Дообученная на GTSRB визуальная модель CLIP извлекает признаки для классификации дорожных знаков.

Подходит для: извлечение признаков дорожных знаков · классификация дорожных знаков по изображению · получение визуальных представлений для системы распознавания знаков