NeoSumi — англоязычный masked language model для предсказания пропущенных слов и тегов в booru-подписях и описаниях аниме-изображений.

Подходит для: дополнение пропущенных тегов в booru-подписи · уточнение текстового описания аниме-изображения · подбор продолжения для подписи в стиле Danbooru или e621

Дообученный текстовый энкодер LFM2 кодирует обычные и booru-описания, особенно аниме-изображений, в семантические векторы для совместимых генеративных моделей.

Подходит для: кодирование booru-тегов и подписей к аниме-изображениям · получение векторных представлений текстовых описаний для text-to-image модели · сопоставление семантически близких текстовых подписей

Модель классифицирует токены по 30 подкатегориям таксономии тегов Danbooru.

Подходит для: классификация тегов Danbooru по подкатегориям · автоматическая категоризация токенов из таксономии Danbooru · подготовка разметки тегов для каталогов изображений

Модель генерирует изображения без текстового условия, используя пиксельное представление и общий блок AdaLN.

Подходит для: генерация изображений без текстового запроса · эксперименты с диффузионной генерацией в пространстве пикселей · создание изображений квадратного и неквадратного формата

CCIP сравнивает изображения аниме-персонажей по визуальным признакам, чтобы определить, изображён ли на них один и тот же персонаж.

Подходит для: поиск изображений одного персонажа в коллекции · сопоставление персонажа на двух изображениях · ранжирование изображений по визуальному сходству персонажей