Perceptron Mk1 — vision-language модель для анализа изображений и видео по текстовым запросам и визуального рассуждения.

Подходит для: ответы на вопросы о содержимом изображения · описание визуальных сцен · анализ видеоматериалов по текстовому запросу

Мультимодальная модель Perceptron для восприятия изображений, видео и аудио физическими агентами с текстовыми и структурированными ответами.

Подходит для: анализ изображений для физических агентов · понимание видеопотока · анализ аудиовхода

Модель Perceiver IO, предварительно обученная на ImageNet, классифицирует изображения и извлекает признаки для последующих задач компьютерного зрения.

Подходит для: классификация изображений по категориям ImageNet · получение признаков изображений для обучения классификатора · оценка принадлежности изображения к одному из 1000 классов

DETR на ResNet-50 обнаруживает и локализует объекты на изображениях, предсказывая классы и ограничивающие рамки.

Подходит для: обнаружение объектов на фотографиях · поиск и локализация объектов на изображениях COCO · подсчёт объектов заданных классов на изображении

Открытая мультимодальная модель Perceptron на 36 млрд параметров для понимания видео, обоснования и управления роботами.

Подходит для: обучение роботизированной политики для манипуляций · генерация дискретных или непрерывных действий робота · оценка прогресса выполнения роботизированной задачи

Модель Perceiver IO, предварительно обученная на ImageNet для классификации изображений по 1000 классам.

Подходит для: классификация изображений на классы ImageNet · определение объектов и сцен на изображениях · извлечение признаков изображений для обучения собственного классификатора

Isaac-0.1 — мультимодальная модель Perceptron для визуальных вопросов и ответов, пространственного анализа и распознавания текста на изображениях.

Подходит для: ответы на вопросы о содержимом фотографии или видеокадра · локализация объектов и дефектов на изображениях · пространственный анализ отношений между объектами

Deformable DETR на базе ResNet-50 обнаруживает и локализует объекты на изображениях.

Подходит для: обнаружение объектов на фотографиях · поиск и локализация объектов на изображениях · подсчёт объектов категорий COCO на изображении

DETR с backbone ResNet-50 для паноптической сегментации и обнаружения объектов на изображениях.

Подходит для: паноптическая сегментация изображений · обнаружение объектов и определение их классов · построение масок объектов на фотографиях

DETR с backbone ResNet-101 обнаруживает и локализует объекты на изображениях, предсказывая их классы и ограничивающие рамки.

Подходит для: поиск объектов на изображениях из COCO · подсчёт и локализация объектов на фотографии · выделение людей, транспорта и предметов на изображении

Perceiver IO — предобученная на ImageNet модель для классификации изображений и извлечения полезных визуальных признаков.

Подходит для: Классификация изображений по 1000 классам ImageNet · Определение объектов и сцен на изображениях · Извлечение признаков изображений для последующих задач

Простая MLP-модель для классификации рукописных цифр MNIST и тестирования квантования.

Подходит для: классификация рукописных цифр MNIST · проверка квантования нейросетей на простой эталонной модели · обучающие эксперименты с полносвязными классификаторами

Doge-320M — компактная предварительно обученная языковая модель SmallDoge для генерации продолжения английского текста.

Подходит для: генерация продолжения английского текста · создание черновых фрагментов текста · эксперименты с компактными авторегрессионными моделями

Deformable DETR, обученная на DocLayNet, обнаруживает и локализует элементы макета на изображениях страниц документов.

Подходит для: обнаружение блоков текста и других элементов на странице документа · локализация элементов макета ограничивающими рамками · анализ структуры страниц для последующего разделения документа на блоки

Falcon Perception — модель TII на 0,6 млрд параметров, которая находит объекты по текстовому запросу и выдаёт для них пиксельные маски.

Подходит для: поиск объектов на изображении по текстовому описанию · сегментация экземпляров объектов в перегруженных сценах · выбор объектов по атрибутам, например цвету или форме

DETR с backbone ResNet-101 обнаруживает и локализует объекты на изображениях, обучен на COCO 2017.

Подходит для: обнаружение объектов на фотографиях · поиск и локализация объектов на изображениях · автоматическая разметка изображений ограничивающими рамками

Англоязычная BERT-модель, обученная на медицинских твитах для задач мониторинга общественного здоровья в социальных сетях.

Подходит для: Подготовка модели для классификации публикаций о заболеваниях и симптомах · Выявление обсуждений вакцинации в социальных сетях · Мониторинг сообщений о психическом здоровье

DETR с backbone ResNet-50 предназначена для обнаружения и локализации объектов на изображениях.

Подходит для: поиск и локализация объектов на фотографиях · подсчёт объектов по классам на изображении · получение рамок объектов для визуальной аналитики

Небольшая предварительно обученная языковая модель Doge для генерации и продолжения англоязычного текста.

Подходит для: продолжение короткого англоязычного текста · эксперименты с компактными языковыми моделями · изучение архитектуры Doge и Dynamic Mask Attention

Дообученная версия Qwen3-4B-Instruct-2507, которая ведёт англоязычные диалоги в образе Алукарда без специального системного запроса.

Подходит для: ролевые диалоги в образе Алукарда · ответы на короткие реплики в стиле персонажа · создание реплик для фанатских сценариев и ролевых чатов

Kiel-2-Sol — дообученная англоязычная диалоговая модель для многоходовых бесед, рассуждений и структурированного вывода в автоматизации.

Подходит для: ведение многоходовых диалогов на английском языке · генерация валидного JSON по инструкциям · подготовка структурированных ответов для API

Компактная vision-language модель PerceptronAI для визуального рассуждения, OCR, понимания интерфейсов и структурированного анализа изображений.

Подходит для: извлечение текста с документов, схем, этикеток и экранов · ответы на вопросы по содержимому изображений · понимание интерфейсов и навигация по рабочему столу

Модель SegFormer размечает пиксели на изображениях фасадов зданий по 12 типам архитектурных элементов и фону.

Подходит для: сегментация окон, дверей и балконов на фотографиях фасадов · выделение фасада, карнизов, колонн и декора на уличных снимках · подсчёт и локализация архитектурных элементов зданий

Core ML-конверсия DETR-ResNet-50 для создания семантических масок изображений, обученная на COCO 2017.

Подходит для: создание семантической маски для фотографии · сегментация объектов на изображениях COCO · разметка пикселей изображения по классам