Компактная дистиллированная модель Segmind на базе Stable Diffusion XL для быстрой генерации изображений по текстовым описаниям.

Подходит для: создание иллюстраций по текстовому описанию · генерация концепт-арта и идей для дизайна · подготовка визуальных материалов для обучения

SSD-1B — ускоренная диффузионная модель Segmind для генерации изображений по текстовым описаниям.

Подходит для: создание иллюстраций по текстовому промпту · быстрая генерация концепт-арта и дизайнов · подготовка визуальных материалов для обучения

CLIPSeg выделяет на изображениях области, соответствующие текстовому или визуальному запросу, для zero-shot и one-shot сегментации.

Подходит для: выделение объекта на изображении по текстовому описанию · создание маски объекта без обучения на целевом классе · поиск области изображения по визуальному примеру

SegFormer B0 — модель NVIDIA для семантической сегментации изображений, дообученная на ADE20K.

Подходит для: семантическая сегментация фотографий · разметка пикселей по классам объектов и элементов сцены · разбор городских и уличных сцен

GLM-5.1 — языковая модель Z.ai для генерации кода и длительных агентных инженерных задач с инструментами.

Подходит для: генерация кода по описанию задачи · поиск и исправление ошибок в репозитории · выполнение многоэтапных задач в терминале

SegFormer-B2 — модель семантической сегментации, которая размечает классы объектов и сцен на изображениях.

Подходит для: пиксельная разметка объектов на фотографиях · распознавание элементов городской и природной сцены · сегментация изображений для компьютерного зрения

SegFormer B5 от NVIDIA — модель семантической сегментации изображений, дообученная на ADE20K для попиксельного распознавания классов сцен и объектов.

Подходит для: попиксельное распознавание объектов и областей на изображении · сегментация внутренних и городских сцен · разметка сцен на фотографиях для компьютерного зрения

SegGPT — Transformer-модель для сегментации изображений по одному размеченному примеру.

Подходит для: сегментация объектов по примеру на новом изображении · перенос маски с изображения-примера на похожие объекты · быстрая разметка изображений для компьютерного зрения

SegFormer-B1 — дообученная на ADE20K модель для семантической сегментации изображений с разрешением 512×512.

Подходит для: сегментация объектов и областей на изображениях · понимание городской или интерьерной сцены по пикселям · разметка сцен для задач компьютерного зрения

SAM ViT-B выделяет объекты на изображениях по точкам, рамкам или маскам и автоматически генерирует маски сегментации.

Подходит для: интерактивное выделение объекта по точкам на изображении · сегментация объекта по ограничивающей рамке · автоматическая генерация масок объектов на изображении

Производная модели segmind/SSD-1B. SSD-1B — ускоренная диффузионная модель Segmind для генерации изображений по текстовым описаниям.

Подходит для: создание иллюстраций по текстовому промпту · быстрая генерация концепт-арта и дизайнов · подготовка визуальных материалов для обучения

SegFormer-B3, дообученная на ADE20K модель для семантической сегментации изображений на разрешении 512×512.

Подходит для: разметка пикселей на изображениях сцен · выделение классов объектов окружения на фотографии · семантический анализ городских и интерьерных сцен

Сжатая модель SAM для автоматической и управляемой подсказками сегментации объектов на изображениях.

Подходит для: автоматическая сегментация объектов на изображении · создание маски объекта по заданным точкам · выделение объекта по ограничивающей рамке

GLM-4.7 — англо-китайская языковая модель Z.ai для программирования, агентных задач, рассуждений и диалогов.

Подходит для: генерация и отладка программного кода · выполнение задач разработки через терминальный агент · создание веб-страниц и интерфейсов по описанию

Компактный энкодер SegFormer B0, обученный на ImageNet-1k для классификации изображений и дальнейшей настройки задач сегментации.

Подходит для: Классификация изображений по классам ImageNet-1k · Дообучение энкодера для семантической сегментации · Использование визуального энкодера в экспериментах с компьютерным зрением

SegFormer B4, дообученная на ADE20K, размечает пиксели изображения по семантическим классам для сегментации сцен.

Подходит для: сегментация объектов и областей на фотографиях сцен · создание пиксельных масок для изображений ADE20K · разметка элементов городских и бытовых сцен

Черновая модель Liquid AI для speculative decoding, ускоряющая генерацию LiquidAI/LFM2.5-8B-A1B при использовании совместимого инференс-сервера.

Подходит для: ускорение генерации текста на LFM2.5-8B-A1B через speculative decoding · снижение задержки инференса в SGLang · ускорение генерации на Apple Silicon с Metal

CLIPSeg — модель сегментации изображений по текстовому запросу или визуальному примеру в zero-shot и one-shot сценариях.

Подходит для: выделение объекта на изображении по текстовому описанию · сегментация объекта по изображению-примеру · интерактивная сегментация без обучения на целевых классах

Дистиллированная модель Segmind для ускоренной генерации изображений по текстовым описаниям.

Подходит для: создание иллюстраций по текстовому промпту · быстрая генерация концепт-арта · генерация изображений для прототипов и макетов

GroupViT — vision-language модель для zero-shot семантической сегментации изображений по текстовым названиям категорий.

Подходит для: Сегментация объектов на изображении по категориям, заданным текстом · Поиск областей изображения, соответствующих произвольным словесным меткам · Исследование zero-shot сегментации без пиксельной разметки

SegFormer B0, дообученная на Cityscapes, сегментирует изображения городских сцен по классам пикселей.

Подходит для: сегментация дорожной сцены на изображении · разметка пикселей дороги, зданий и объектов городской среды · анализ городских изображений для систем автономного вождения

Мультимодальная модель Abacus.AI на базе Qwen3.8-27B для многошагового использования инструментов и автоматизации задач.

Подходит для: выполнение многошаговых задач с вызовом инструментов · автоматизация рабочих процессов через агентные сценарии · управление действиями в исполняемой среде до достижения результата

SAM ViT-L — модель Meta для сегментации объектов на изображениях по визуальным подсказкам или автоматически.

Подходит для: создание маски объекта по точке на изображении · сегментация объекта по ограничивающей рамке · автоматическое выделение объектов на изображении

SegFormer от 1038lab для пиксельной сегментации лиц на изображениях.

Подходит для: выделение областей лица на фотографии · создание маски лица для редактирования изображения · сегментация лиц в кадрах видео после извлечения кадров