Дообученная на DTD визуальная часть CLIP ViT-L/14 для извлечения признаков и классификации изображений текстур.
Подходит для: извлечение признаков из изображений текстур · классификация изображений по визуальным текстурам · подготовка визуальных представлений для последующей классификации
Дообученная на DTD модель CLIP ViT-Base/32 извлекает признаки изображений, в том числе для задач анализа текстур.
Подходит для: извлечение признаков изображений текстур · анализ изображений из набора DTD · подготовка векторов изображений для компьютерного зрения
DaViT Base — визуальный трансформер для классификации изображений ImageNet-1k и извлечения визуальных признаков.
Подходит для: классификация изображений по классам ImageNet · получение эмбеддингов изображений для поиска по сходству · извлечение карт признаков для компьютерного зрения
Компактная модель DeiT-III классифицирует изображения и извлекает их визуальные признаки.
Подходит для: классификация изображений по категориям ImageNet · определение объектов и сцен на изображении · извлечение эмбеддингов изображений
Компактная модель DaViT для классификации изображений ImageNet-1k и извлечения визуальных признаков.
Подходит для: классификация изображений по категориям ImageNet · извлечение карт признаков из изображений · получение векторных представлений изображений
MVP — англоязычная encoder-decoder модель для генерации текста, которую можно адаптировать к суммаризации, диалогу, ответам на вопросы и другим языковым задачам.
Подходит для: суммаризация текста · генерация описаний по структурированным данным · создание открытого диалога и историй
DaViT Small — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков.
Подходит для: классификация изображений по категориям ImageNet-1k · извлечение карт признаков из изображений · получение векторных представлений изображений
TT-VidT — видеоэнкодер на базе DINOv3, который извлекает последовательности эмбеддингов движения для классификации видео и других задач понимания видеосцен.
Подходит для: классификация действий в видеороликах · извлечение признаков движения из последовательности кадров · поиск похожих видеороликов по движению
Stable Diffusion v1-5 — латентная диффузионная модель для создания и редактирования изображений по текстовым запросам, преимущественно на английском языке.
Подходит для: создание иллюстраций по текстовому описанию · генерация художественных изображений для дизайна · редактирование изображений по текстовым запросам
Производная модели MiniMaxAI/VTP-Large-f16d64. VTP-Large-f16d64 — визуальный токенизатор для извлечения семантических признаков изображений, классификации и подготовки представлений для генеративных моделей.
Подходит для: извлечение признаков из изображений · классификация изображений без обучения на целевых метках · линейный пробинг для классификации изображений
Черновая модель DSpark для ускорения мультимодальной генерации целевой модели ZDTaichu5.0-9B посредством спекулятивного декодирования.
Подходит для: ускорение ответов ZDTaichu5.0-9B на запросы с изображениями · ускорение решения визуальных математических задач · ускорение мультимодального рассуждения в vLLM
Производная модели MiniMaxAI/VTP-Large-f16d64. VTP-Large-f16d64 — визуальный токенизатор для извлечения семантических признаков изображений, классификации и подготовки представлений для генеративных моделей.
Подходит для: извлечение признаков из изображений · классификация изображений без обучения на целевых метках · линейный пробинг для классификации изображений
DeiT-III Huge Patch14 — крупная модель Vision Transformer для классификации изображений ImageNet-1k и извлечения их векторных признаков.
Подходит для: классификация изображений по классам ImageNet-1k · извлечение эмбеддингов изображений · использование визуальной основы в компьютерном зрении
Модель DeiT-III классифицирует изображения ImageNet и извлекает визуальные признаки для последующих задач компьютерного зрения.
Подходит для: классификация объектов на изображениях по классам ImageNet · получение эмбеддингов изображений для поиска похожих картинок · извлечение визуальных признаков для последующих задач компьютерного зрения
Компактная модель The AI Institute извлекает визуальные представления для обучения роботов, дистиллируя знания CLIP, DINOv2 и ViT.
Подходит для: извлечение признаков из изображений для обучения робота · подготовка визуальных представлений для downstream-задач робототехники · использование представлений CLIP, DINOv2 и ViT в роботизированных системах
Производная модели benjamin-paine/stable-diffusion-v1-5-inpainting. Модель Stable Diffusion на основе латентной диффузии для генерации изображений по тексту и редактирования заданных областей по маске.
Подходит для: заполнение пустых или замаскированных областей изображения · удаление или замена объекта на изображении по текстовому запросу · редактирование фона и отдельных частей изображения
DeiT-III Huge — Vision Transformer для классификации изображений и извлечения визуальных признаков.
Подходит для: классификация изображений по категориям ImageNet · извлечение эмбеддингов изображений для поиска по визуальному сходству · получение признаков для downstream-задач компьютерного зрения
SPP-T0 — англоязычная инструктивная модель на 1,7 млрд параметров для исследований согласования поведения и устойчивости к jailbreak-запросам.
Подходит для: эксперименты с конституционным согласованием поведения · изучение обобщения ценностей в ответах модели · оценка устойчивости диалоговой модели к jailbreak-запросам
Дообученная на базе VietAI/vit5-large модель T5 с 389,3 млн параметров, чья специализированная задача не описана.
Дообученная версия VietAI/vit5-large с 389,3 млн параметров, для которой карточка не уточняет целевую задачу.