CAFormer-S18 — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-22k и дообученная на ImageNet-1k.

Подходит для: классификация объектов на изображениях · распознавание категорий ImageNet-1k · извлечение признаков из изображений

CAFormer-S18 — модель MetaFormer для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений

CAFormer с 39,3 млн параметров, дообученный на ImageNet-1k для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений для поиска и сравнения

CAFormer с 26,3 млн параметров для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

Подходит для: классификация изображений по категориям · извлечение признаков из изображений для компьютерного зрения · получение эмбеддингов изображений

Модель CAFormer с 56,2 млн параметров для классификации изображений, извлечения признаков и получения эмбеддингов.

Подходит для: классификация изображений по категориям ImageNet · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений

CAFormer с 98,8 млн параметров, обученная на ImageNet-1k для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · распознавание классов ImageNet-1k · извлечение карт признаков для компьютерного зрения

CAFormer с 104,2 млн параметров, обученный на ImageNet-22k для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений для поиска и сравнения

CAFormer S18, обученная на ImageNet-22k, классифицирует изображения и может служить backbone для извлечения визуальных признаков.

Подходит для: классификация изображений по категориям · получение визуальных признаков для компьютерного зрения · извлечение карт признаков из изображений

CAFormer с 56,2 млн параметров, обученная на ImageNet-1k для классификации изображений и извлечения визуальных признаков.

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

CAFormer S36 — модель для классификации изображений ImageNet-1k, также пригодная для извлечения признаков и эмбеддингов.

Подходит для: классификация изображений по категориям ImageNet · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений

CAFormer на 82 млн параметров, обученный на ImageNet-22k для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений

CAFormer с 26,3 млн параметров для классификации изображений ImageNet-1k, извлечения карт признаков и эмбеддингов.

Подходит для: классификация изображений размером 384 × 384 · распознавание объектов из классов ImageNet-1k · извлечение карт признаков из изображений

Дообученная на парах текстов BERT-модель создаёт эмбеддинги для оценки семантического сходства, поиска и кластеризации.

Подходит для: оценка сходства двух текстовых фрагментов · семантический поиск по коллекции текстов · поиск перефразировок

Исследовательская 2,7-миллиардная языковая модель RtaForge на архитектуре пространства состояний для вызова инструментов и математических инструкций.

Подходит для: эксперименты с вызовом инструментов языковой моделью · проверка циклов взаимодействия модели с инструментами · ответы на математические инструкции

Дообученный SentenceTransformer на базе EmbeddingGemma превращает текст в векторы для поиска и сравнения семантического сходства.

Подходит для: семантический поиск по коллекции текстов · сравнение сходства двух предложений или абзацев · поиск перефразировок и близких формулировок

Базовая языковая модель CyFA с архитектурой Cyclic Flow Attention для генерации текста и дальнейших экспериментов.

Подходит для: генерация продолжения текста · создание базовой модели для дообучения · эксперименты с архитектурой Cyclic Flow Attention

CAFormer с 56,2 млн параметров классифицирует изображения ImageNet и может служить визуальным backbone для извлечения признаков и эмбеддингов.

Подходит для: классификация объектов на изображениях · извлечение карт признаков из изображений · получение визуальных эмбеддингов для поиска похожих изображений

CAFormer B36, обученный на ImageNet-22k, классифицирует изображения и извлекает визуальные признаки и эмбеддинги.

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

Дообученная текстовая Gemma модель, создающая эмбеддинги для поиска и сравнения молекулярных строк SMILES.

Подходит для: семантический поиск похожих молекулярных строк SMILES · сравнение двух текстовых представлений молекул · извлечение эмбеддингов молекулярных описаний для поиска

CAFormer B36 SAIL — обученная на ImageNet-1k модель для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · распознавание сцен и категорий изображений · извлечение карт визуальных признаков

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

Подходит для: классификация изображений по классам ImageNet-1k · распознавание объектов на фотографиях · извлечение эмбеддингов изображений

KairosFM — экспериментальная MoE-модель генерации текста с гибридным вниманием и заявленным обучением на нескольких модальностях.

Подходит для: эксперименты с генерацией текста · исследование гибридных архитектур MoE и diffusion · прототипирование мультимодальных моделей на текстовых и сенсорных данных

CAFormer S36 — модель для классификации изображений ImageNet-1k и извлечения визуальных признаков и эмбеддингов.

Подходит для: классификация объектов на изображениях · извлечение карт признаков для компьютерного зрения · создание эмбеддингов изображений

Исследовательская дистиллированная языковая модель Arcee.ai с KDA во всех слоях для изучения линейного внимания и генерации текста.

Подходит для: сравнение линейного внимания KDA с полным вниманием · исследование дистилляции внимания в языковых моделях · генерация текста на длинных последовательностях