Сверточная модель семейства LeViT для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по классам ImageNet-1k · извлечение признаков и эмбеддингов изображений · использование в качестве визуального бэкбона компьютерного зрения

Базовая Vision-Language-Action модель LeRobot для дообучения и управления роботами по изображениям, состоянию робота и текстовым инструкциям.

Подходит для: дообучение управления роботом-манипулятором под конкретную задачу · управление роботом по изображениям с нескольких камер · выполнение роботизированных задач по текстовой инструкции

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

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

OpenVLA-OFT — зрительно-языковая модель управления роботом, дообученная для манипуляционных задач LIBERO-Object.

Подходит для: предсказание действий робота по изображению сцены и текстовой инструкции · манипуляция объектами в задачах LIBERO-Object · генерация последовательности действий робота для симуляции

Производная модели Lykon/DreamShaper. Модель Lykon/DreamShaper создаёт художественные изображения по текстовым описаниям и доступна в форматах Diffusers, PyTorch и SafeTensors.

Подходит для: создание художественных изображений по текстовому запросу · генерация иллюстраций и арта · создание изображений в художественном и аниме-стиле

Базовая мультимодальная модель Z.ai для исследований и дальнейшей разработки систем, работающих с изображениями и текстом.

Подходит для: исследование визуально-языковых моделей · разработка приложений для вопросов и ответов по изображениям · создание мультимодальных диалоговых систем

Компактная свёрточная версия LeViT для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по классам ImageNet-1k · извлечение признаков изображений для последующей обработки · использование визуального бэкбона в компьютерном зрении

FLUX.1 [schnell] — 12-миллиардный трансформер Black Forest Labs для быстрого создания изображений по тексту за 1–4 шага.

Подходит для: быстрое создание иллюстраций по текстовому описанию · генерация концепт-арта по промпту · создание изображений в локальном workflow ComfyUI

Компактная свёрточная модель LeViT-192 для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по классам ImageNet-1k · извлечение эмбеддингов изображений · использование визуального backbone в компьютерном зрении

Дообученная OpenVLA-OFT для предсказания действий робота по изображению и текстовой инструкции в задачах LIBERO-10.

Подходит для: управление роботом в задачах LIBERO-10 · предсказание последовательности действий по изображению сцены и инструкции · эксперименты с роботизированными манипуляциями

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

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

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

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

Мультимодальная модель Alibaba DAMO Academy для планирования роботизированных действий по изображениям сцены и текстовой цели.

Подходит для: планирование последовательности действий робота по заданной цели и изображению сцены · разбиение многошаговой задачи манипуляции на подзадачи · привязка объектов и целевых областей к физическому пространству

Компактная LLaMA-совместимая языковая модель для локальных агентных рабочих процессов, диагностики Linux и генерации кода.

Подходит для: диагностика проблем Linux-серверов · помощь в системном администрировании и настройке инфраструктуры · генерация скриптов Bash и Python для автоматизации

Производная модели Lykon/AbsoluteReality. Модель Stable Diffusion для генерации художественных изображений и фотографий по текстовому описанию.

Подходит для: создание художественных изображений по текстовому запросу · генерация изображений в стиле фотографии · подготовка иллюстраций по описанию

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

Мультимодальная модель Unitree Robotics для управления манипуляциями гуманоидных роботов по визуальным и языковым данным.

Подходит для: управление манипуляциями гуманоидного робота по визуальной сцене · выполнение роботизированных задач по текстовой инструкции · исследование моделей Vision-Language-Action для физического взаимодействия

Мультимодальная MoE-модель Tencent для визуального понимания физической среды, рассуждений о действиях и планирования embodied-агентов.

Подходит для: ответы на вопросы об изображениях и физической среде · понимание состояния агента и окружающих объектов · планирование действий робота с учётом ожидаемых последствий

Открытая мультимодальная модель Xiaomi на базе Qwen2.5-VL для визуального понимания, планирования и прогнозирования в автономном вождении и embodied AI.

Подходит для: анализ дорожной сцены по изображению · понимание пространственных отношений между объектами · планирование манипуляций и действий робота

Свёрточная модель LeViT-384 классифицирует изображения и извлекает визуальные признаки, будучи обученной с дистилляцией на ImageNet-1k.

Подходит для: классификация изображений на категории ImageNet-1k · извлечение признаков изображений для поиска по сходству · использование визуального бэкбона в компьютерном зрении

Компактная мультимодальная модель Qwen3.5-2B в формате GGUF для диалогов и понимания изображений на устройстве RK1828 через LlamaPi.

Подходит для: ответы на вопросы по изображению на периферийном устройстве · диалоговый помощник с вводом текста и изображений · прототипирование локальных мультимодальных приложений

Производная модели ByteDance/Sa2VA-Qwen2_5-VL-3B. Мультимодальная чат-модель Sa2VA для ответов по изображениям и видео, понимания визуальных подсказок и сегментации объектов.

Подходит для: ответы на вопросы по изображению · ответы на вопросы по видео · сегментация объектов на изображениях