Большой самообученный ViT-энкодер DINOv2 извлекает визуальные признаки для последующего обучения классификаторов и других задач компьютерного зрения.

Подходит для: извлечение признаков из изображений · подготовка эмбеддингов изображений для поиска по визуальному сходству · обучение классификатора поверх представлений изображений

Визуальный ViT-L из семейства DINOv3 для извлечения признаков изображений и построения решений компьютерного зрения.

Подходит для: извлечение признаков изображений для классификации · поиск похожих изображений по эмбеддингам · семантическая сегментация изображений

Von — англоязычная модель классификации и оценки, которая за один проход выбирает или ранжирует заданные варианты без генерации текста.

Подходит для: маршрутизация обращений в службу поддержки · классификация намерений клиента · проверка запросов на соответствие политике или критериям

ViViT — видеомодель с 113,2 млн параметров для классификации действий в роликах и дообучения на другие задачи видеоанализа.

Подходит для: распознавание действий в видеороликах · классификация видео по категориям Kinetics-400 · дообучение классификатора для пользовательских категорий видео

Визуальный ViT-B из семейства DINOv3 от Meta AI извлекает плотные признаки изображений для классификации, поиска и других задач компьютерного зрения.

Подходит для: извлечение признаков и эмбеддингов изображений · классификация изображений с линейным классификатором или k-NN · поиск похожих изображений

ViT-S+ из семейства DINOv3 от Meta AI извлекает универсальные признаки изображений для классификации, поиска и других задач компьютерного зрения.

Подходит для: Извлечение признаков изображения для обучения линейного классификатора · Поиск похожих изображений по визуальным признакам · Классификация изображений с помощью k-NN или логистической регрессии

Самообученный ViT-энкодер DINOv2 на 1,5 млрд параметров для извлечения признаков и представлений изображений.

Подходит для: извлечение признаков из изображений · получение векторных представлений изображений для поиска · подготовка признаков для классификатора изображений

ViT-модель timm для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet-1k · извлечение признаков из изображений · получение эмбеддингов изображений для поиска по сходству

Мультимодальная модель NVIDIA для рассуждений по изображениям и видео, видеоаналитики и планирования действий роботов.

Подходит для: анализ видеопотоков для поиска событий и причин инцидентов · обнаружение объектов и выдача их координат на изображениях и видео · разметка, фильтрация и дедупликация сенсорных данных для физического ИИ

ViT-модель с регистрами, предварительно обученная методом DINOv2 на LVD-142M для извлечения признаков и эмбеддингов изображений.

Подходит для: извлечение признаков из изображений · получение эмбеддингов изображений · подготовка визуального бэкбона для компьютерного зрения

ViT — модель для классификации изображений и извлечения признаков, обученная на ImageNet-21k.

Подходит для: классификация объектов на изображениях · извлечение признаков изображения для последующей обработки · получение эмбеддингов изображений

Компактная модель Vision Transformer для классификации изображений ImageNet и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · распознавание категорий ImageNet · извлечение эмбеддингов изображений

Зрительная модель Meta AI на базе ViT-7B извлекает плотные признаки изображений для классификации, поиска, сегментации и других задач компьютерного зрения.

Подходит для: извлечение признаков для классификации изображений · поиск похожих изображений по эмбеддингам · сегментация изображений с линейным классификатором

Крупная модель ViT классифицирует изображения по классам ImageNet и извлекает признаки для задач компьютерного зрения.

Подходит для: классификация изображений по 1000 классам ImageNet · извлечение признаков изображений для последующего обучения · создание классификатора для размеченного набора изображений

Компактная модель MaxViT для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

Подходит для: Классификация объектов на изображениях · Распознавание сцен и категорий ImageNet · Извлечение карт признаков для компьютерного зрения

Сверточная модель семейства LeViT для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по классам ImageNet-1k · извлечение признаков и эмбеддингов изображений · использование в качестве визуального бэкбона компьютерного зрения

Компактная модель ViT-Tiny для классификации изображений по классам ImageNet.

Подходит для: классификация объектов на изображениях · определение класса изображения из набора ImageNet · встраивание классификатора изображений в приложение компьютерного зрения

Свёрточная VGG19, обученная на ImageNet-1k, для классификации изображений и извлечения визуальных признаков.

Подходит для: Классификация изображений по категориям ImageNet-1k · Извлечение карт признаков из изображений · Получение эмбеддингов изображений для последующего анализа

ViT-модель с 22,2 млн параметров для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · распознавание категорий ImageNet · извлечение признаков изображений

Компактная модель VoVNet-v2 для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

Подходит для: классификация объектов на изображениях · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений

Мультимодальная модель NVIDIA на базе Qwen2.5-VL для рассуждений о физических сценах и планирования задач роботами по изображениям, видео и тексту.

Подходит для: Планирование следующих действий робота по видео окружающей среды · Разбор сложной команды для робота на последовательность задач · Анализ пространственных и временных событий в видео

Предобученный на ImageNet-21k энкодер ViT извлекает признаки изображений для классификации и последующих задач компьютерного зрения.

Подходит для: извлечение признаков из изображений для машинного обучения · обучение классификатора изображений на собственных размеченных данных · получение векторного представления изображения для поиска и группировки

Плотная мультимодальная модель Vection Labs на 27,8 млрд параметров для инженерного программирования, агентной работы с инструментами и анализа изображений и видео.

Подходит для: генерация и объяснение кода · отладка и ревью программ · изменение и анализ больших репозиториев

Компактная модель Vision Transformer для классификации изображений, конвертированная из весов timm.

Подходит для: классификация объектов на изображениях · распознавание сцен на фотографиях · автоматическая разметка изображений по классам