Модель MRA на 151,8 млн параметров предсказывает замаскированные токены в последовательностях длиной до 512 токенов.

Подходит для: восстановление пропущенных слов в тексте · получение контекстных представлений токенов для NLP-пайплайнов · эксперименты с приближённым self-attention

Производная модели rmaser/aloe-siglip2-base. ALOE SigLIP2 Base — визуальный энкодер ViT-B/16 с B-cos-объяснимостью для извлечения признаков и переноса знаний в задачи компьютерного зрения.

Подходит для: извлечение визуальных признаков для downstream-задач · классификация изображений с линейным классификатором · zero-shot классификация изображений с текстовым энкодером SigLIP2

Производная модели rmaser/aloe-siglip2-base. ALOE SigLIP2 Base — визуальный энкодер ViT-B/16 с B-cos-объяснимостью для извлечения признаков и переноса знаний в задачи компьютерного зрения.

Подходит для: извлечение визуальных признаков для downstream-задач · классификация изображений с линейным классификатором · zero-shot классификация изображений с текстовым энкодером SigLIP2

Производная модели rmaser/aloe-siglip2-base. ALOE SigLIP2 Base — визуальный энкодер ViT-B/16 с B-cos-объяснимостью для извлечения признаков и переноса знаний в задачи компьютерного зрения.

Подходит для: извлечение визуальных признаков для downstream-задач · классификация изображений с линейным классификатором · zero-shot классификация изображений с текстовым энкодером SigLIP2

Производная модели rmaser/aloe-siglip2-base. ALOE SigLIP2 Base — визуальный энкодер ViT-B/16 с B-cos-объяснимостью для извлечения признаков и переноса знаний в задачи компьютерного зрения.

Подходит для: извлечение визуальных признаков для downstream-задач · классификация изображений с линейным классификатором · zero-shot классификация изображений с текстовым энкодером SigLIP2

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

Производная модели rmaser/aloe-siglip2-base. ALOE SigLIP2 Base — визуальный энкодер ViT-B/16 с B-cos-объяснимостью для извлечения признаков и переноса знаний в задачи компьютерного зрения.

Подходит для: извлечение визуальных признаков для downstream-задач · классификация изображений с линейным классификатором · zero-shot классификация изображений с текстовым энкодером SigLIP2

Производная модели rmaser/aloe-siglip2-base. ALOE SigLIP2 Base — визуальный энкодер ViT-B/16 с B-cos-объяснимостью для извлечения признаков и переноса знаний в задачи компьютерного зрения.

Подходит для: извлечение визуальных признаков для downstream-задач · классификация изображений с линейным классификатором · zero-shot классификация изображений с текстовым энкодером SigLIP2

AM-RADIO от NVIDIA Research извлекает из изображений визуальные эмбеддинги для классификации и других задач компьютерного зрения.

Подходит для: извлечение эмбеддингов изображений для классификатора · подготовка визуальных признаков для семантической сегментации · передача признаков изображения последующей модели компьютерного зрения

Производная модели rmaser/aloe-siglip2-base. ALOE SigLIP2 Base — визуальный энкодер ViT-B/16 с B-cos-объяснимостью для извлечения признаков и переноса знаний в задачи компьютерного зрения.

Подходит для: извлечение визуальных признаков для downstream-задач · классификация изображений с линейным классификатором · zero-shot классификация изображений с текстовым энкодером SigLIP2

ALOE SigLIP2 Base — визуальный энкодер ViT-B/16 с B-cos-объяснимостью для извлечения признаков и переноса знаний в задачи компьютерного зрения.

Подходит для: извлечение визуальных признаков для downstream-задач · классификация изображений с линейным классификатором · zero-shot классификация изображений с текстовым энкодером SigLIP2

RetroMAE — BERT-подобная модель, предобученная методом masked auto-encoder для построения retrieval-ориентированных текстовых представлений и плотного поиска.

Подходит для: предобучение плотного поискового энкодера · семантический поиск по коллекции документов · поиск релевантных пассажей для RAG

Небольшая экспериментальная причинная языковая модель M2R для исследований генерации текста и обучения на ограниченных вычислительных ресурсах.

Подходит для: эксперименты с обучением языковых моделей на одном ядре CPU · изучение сочетания линейного и скользящего оконного внимания · исследование поведения небольшой причинной модели при генерации текста

Компактная базовая M2R-модель, обученная на одном CPU-ядре и предназначенная для экспериментов и дальнейшего дообучения, а не свободной генерации.

Подходит для: дообучение компактной языковой модели под предметную область · эксперименты с обучением LLM на CPU · исследование маршрутизации экспертов в MoE-модели

Производная модели rmaser/aloe-v2-dinov3-base-in1k-lp. Дообученная интерпретируемая модель DINOv3 Base для классификации ImageNet-1k и извлечения признаков изображений.

Подходит для: Классификация изображений по классам ImageNet-1k · Извлечение визуальных признаков для поиска похожих изображений · Плотное сопоставление точек между изображениями

Производная модели rmaser/aloe-v2-dinov3-base-in1k-lp. Дообученная интерпретируемая модель DINOv3 Base для классификации ImageNet-1k и извлечения признаков изображений.

Подходит для: Классификация изображений по классам ImageNet-1k · Извлечение визуальных признаков для поиска похожих изображений · Плотное сопоставление точек между изображениями

Производная модели rmaser/aloe-v2-dinov3-base-in1k-lp. Дообученная интерпретируемая модель DINOv3 Base для классификации ImageNet-1k и извлечения признаков изображений.

Подходит для: Классификация изображений по классам ImageNet-1k · Извлечение визуальных признаков для поиска похожих изображений · Плотное сопоставление точек между изображениями

Мультимодальная модель Alibaba DAMO Academy для понимания сцен от первого лица и генерации пространственно обоснованных планов роботизированных манипуляций.

Подходит для: планирование последовательности действий робота для манипуляции предметами · локализация объектов и областей на изображении · предсказание траектории движения объектов

Производная модели rmaser/aloe-v2-dinov3-base-in1k-lp. Дообученная интерпретируемая модель DINOv3 Base для классификации ImageNet-1k и извлечения признаков изображений.

Подходит для: Классификация изображений по классам ImageNet-1k · Извлечение визуальных признаков для поиска похожих изображений · Плотное сопоставление точек между изображениями

Дообученная интерпретируемая модель DINOv3 Base для классификации ImageNet-1k и извлечения признаков изображений.

Подходит для: Классификация изображений по классам ImageNet-1k · Извлечение визуальных признаков для поиска похожих изображений · Плотное сопоставление точек между изображениями

Производная модели rmaser/aloe-v2-dinov3-base-in1k-lp. Дообученная интерпретируемая модель DINOv3 Base для классификации ImageNet-1k и извлечения признаков изображений.

Подходит для: Классификация изображений по классам ImageNet-1k · Извлечение визуальных признаков для поиска похожих изображений · Плотное сопоставление точек между изображениями