Открытая vision-language модель Zyphra для диалога, анализа изображений и ответов на вопросы по визуальному содержимому.
Подходит для: ответы на вопросы по изображениям · извлечение сведений из диаграмм и графиков · ответы на вопросы по документам и сканам
Ideogram 4 FP8 — квантизированная модель Ideogram на 9,3 млрд параметров для генерации изображений по тексту с управлением композицией, цветами, расположением элементов и надписями.
Подходит для: создание рекламных баннеров с заданным текстом и композицией · генерация логотипов и графических концепций по описанию · создание изображений с многострочными надписями и вывесками
Компактная визуально-языковая модель IBM для извлечения таблиц, данных из графиков и пар «ключ—значение» из изображений документов.
Подходит для: Преобразование графиков в CSV с числовыми значениями · Создание Python-кода для воспроизведения графика · Составление краткого текстового описания графика
Дистиллированная модель Baidu для быстрого создания изображений по тексту, включая изображения с текстом и структурированными макетами.
Подходит для: создание постеров с длинными надписями · генерация инфографики и UI-подобных изображений · создание комиксов и многопанельных иллюстраций
Модель на базе EfficientNet-B0 распознаёт изображения в документах и распределяет их по 26 категориям, включая графики, таблицы, схемы и фотографии.
Подходит для: Определение типа иллюстрации в PDF-документе · Классификация графиков и таблиц для последующей обработки · Распознавание логотипов, подписей и штампов на страницах документов
PixArt-α — трансформерная латентно-диффузионная модель для генерации и редактирования изображений по текстовым запросам с разрешением 1024 пикселя.
Подходит для: создание художественных изображений по описанию · генерация иллюстраций для творческих проектов · подготовка визуальных концепций для дизайна
PixArt-Σ XL 2 1024 MS — трансформерная латентно-диффузионная модель для генерации и редактирования изображений по текстовым запросам.
Подходит для: создание иллюстраций по текстовому описанию · подготовка концепт-артов и дизайн-макетов · генерация изображений для творческих и образовательных инструментов
Fuyu-8B — мультимодальная модель Adept AI для ответов на вопросы и анализа изображений, включая интерфейсы, графики и диаграммы.
Подходит для: ответы на вопросы о содержимом изображения · анализ графиков и диаграмм · ответы на вопросы по скриншотам интерфейса
DePlot преобразует изображения графиков и диаграмм в текстовые таблицы для анализа данных и ответов на вопросы.
Подходит для: извлечение таблиц данных из графиков · ответы на вопросы по диаграммам · подготовка данных графика для рассуждений языковой модели
Модель PaddlePaddle извлекает данные из китайских и англоязычных диаграмм и преобразует их в табличное представление.
Подходит для: извлечение данных из графиков и диаграмм · преобразование диаграмм в таблицы · оцифровка графиков в документах
Idefics2-8b — мультимодальная модель Hugging Face для ответов на вопросы об изображениях, распознавания текста и анализа визуальных материалов.
Подходит для: ответы на вопросы по одному или нескольким изображениям · создание текстовых описаний изображений · распознавание и транскрибирование текста на изображениях и в документах
ERNIE-Image — открытая модель Baidu на базе 8-миллиардного DiT для генерации изображений по текстовым запросам, включая плакаты, комиксы и изображения с читаемым текстом.
Подходит для: создание рекламных плакатов с текстом и заданной композицией · генерация инфографики и изображений с длинными надписями · создание комиксов и многопанельных иллюстраций
Мультимодальная модель Mistral AI, которая анализирует изображения и текст и отвечает на вопросы по их содержимому.
Подходит для: ответы на вопросы по изображению · анализ диаграмм и графиков · извлечение информации из визуальных материалов
Мультимодальная модель DeTikZifyv2 преобразует наброски и научные иллюстрации в редактируемые программы на Ti*k*Z с сохранением их смысла.
Подходит для: Преобразование наброска в код Ti*k*Z · Восстановление редактируемой диаграммы по научной иллюстрации · Перерисовка опубликованного графика в виде программы Ti*k*Z
Компактная MoE-модель Papuguinho для создания и редактирования детских AAC-досок с пиктограммами на бразильском португальском языке.
Подходит для: создание доски пиктограмм для школы · подбор пиктограмм для посещения врача или стоматолога · редактирование доски командами на естественном языке
Realisian6 — модель GraydientPlatformAPI для генерации изображений по текстовым запросам.
Подходит для: создание изображений по текстовому описанию · визуализация идеи по промпту · генерация иллюстраций
Компактный Pyramid Vision Transformer для классификации изображений по классам ImageNet и извлечения визуальных признаков.
Подходит для: классификация изображений по классам ImageNet · распознавание объектов на изображениях · извлечение признаков для обучения собственного классификатора
PixArt-α — латентная диффузионная модель на основе Transformer для генерации и редактирования изображений по текстовым запросам.
Подходит для: создание художественных иллюстраций по описанию · подготовка концептов и материалов для дизайна · генерация изображений для творческих и образовательных инструментов
Модель на базе Pony Diffusion XL для генерации изображений по текстовым запросам, в том числе аниме-иллюстраций.
Подходит для: Создание аниме-иллюстраций по текстовому описанию · Генерация персонажей в стилях, совместимых с Pony Diffusion · Создание изображений с использованием стилевых LoRA для Pony
Компактная модель LogoLabs генерирует квадратные изображения 256 × 256 или 512 × 512 по англоязычным текстовым запросам.
Подходит для: генерация логотипов по текстовому описанию · создание иконок и символов · прототипирование квадратных иллюстраций
Базовая визуально-языковая модель Pix2Struct для ответов на вопросы по графикам, диаграммам и другим изображениям, предназначенная для дообучения.
Подходит для: ответы на вопросы по графикам и диаграммам · извлечение числовых сведений из графиков · интерпретация инфографики по текстовому запросу
Компактная англоязычная модель для ответов на вопросы по изображениям, распознавания текста и понимания документов на устройствах с ограниченными ресурсами.
Подходит для: ответы на вопросы по одному изображению · извлечение текста из изображений и документов · понимание таблиц, графиков и диаграмм
Модель diffusers для генерации иллюстраций, аниме- и комиксных изображений по текстовому запросу.
Подходит для: создание иллюстраций по текстовым описаниям · генерация изображений в стиле аниме · создание изображений в стилистике комиксов
Blue Pencil XL — модель GHArt для генерации изображений по текстовым запросам.
Подходит для: создание иллюстрации по текстовому описанию · генерация концепт-арта · создание изображений в стиле аниме