Открытая мультимодальная модель VLX-Seek-1.5-10B локализует и сопоставляет объекты на изображениях по текстовым запросам, включая сцены для робототехники и дронов.

Подходит для: поиск и локализация объектов на изображении по текстовому описанию · понимание выражений, указывающих на конкретный объект · поиск нескольких объектов и сравнение регионов изображения

OmDet-Turbo Swin-Tiny обнаруживает объекты на изображениях по текстовым запросам без отдельного обучения на заданных категориях.

Подходит для: поиск объектов на изображении по произвольным текстовым категориям · zero-shot-разметка изображений для новых наборов классов · пакетное обнаружение объектов с разными текстовыми запросами

Дообученная мультимодальная модель Qwen2.5-VL для обнаружения объектов на изображениях по текстовому запросу.

Подходит для: поиск объектов на изображении по текстовому описанию · ответы на вопросы о местоположении объектов на изображении · обнаружение объектов открытого словаря без фиксированного набора классов

Дообученная мультимодальная модель Qwen2.5-VL-3B для ответов на математические вопросы по изображениям.

Подходит для: ответы на математические вопросы по изображениям · разбор задач с графиками и диаграммами · анализ визуальных задач из MathVista

VLM-FO1-3B-v01 — мультимодальная модель для обнаружения и детального понимания объектов и областей изображения по текстовым запросам.

Подходит для: поиск и локализация объектов на изображении по текстовому описанию · ответы на вопросы о конкретной области изображения · визуальные рассуждения о взаимосвязях объектов и регионов

Дообученная Qwen2.5-VL-3B для поиска и локализации объектов на изображении по текстовому описанию.

Подходит для: поиск объекта на изображении по текстовой фразе · локализация упомянутого предмета на фотографии · привязка описаний на английском языке к объектам изображения

Адаптация OmDet-Turbo Swin-Tiny для обнаружения объектов на изображениях по текстовым запросам через Hugging Face Inference Endpoints.

Подходит для: Поиск указанных объектов на изображении по текстовым названиям · Обнаружение повреждённого дорожного покрытия и бордюров · Поиск дорожных знаков на фотографии

Детектор OMDet-Turbo на базе Swin-Tiny обнаруживает объекты на изображениях в реальном времени по задаваемым текстом категориям.

Подходит для: поиск заданных объектов на изображениях · обнаружение пользовательских категорий без дообучения · детекция людей, животных и автомобилей на фото

Производная модели omlab/VLM-FO1-3B-v01. VLM-FO1-3B-v01 — мультимодальная модель для обнаружения и детального понимания объектов и областей изображения по текстовым запросам.

Подходит для: поиск и локализация объектов на изображении по текстовому описанию · ответы на вопросы о конкретной области изображения · визуальные рассуждения о взаимосвязях объектов и регионов

Компактная Transformer-модель для обнаружения объектов на изображениях по текстовым описаниям категорий без отдельного обучения на каждом классе.

Подходит для: поиск объектов на изображениях по текстовым названиям классов · обнаружение новых категорий объектов без дообучения · разметка изображений рамками по запросу на естественном языке