I.8Изображения и компьютерное зрение

yuk/asahi-waifu-diffusion — модель на базе Stable Diffusion в формате Diffusers, разработанная для генерации иллюстраций Сэри́дзавы Асахи, персонажа THE iDOLM@STER SHINY COLORS. Модель создана методом DreamBooth: WaifuDiffusion дополнительно обучили на образе персонажа. Модель принимает текстовые запросы и генерирует изображения; в метаданных указан английский язык. Репозиторий содержит веса Diffusers для PyTorch. Модель распространяется по лицензии bigscience-bloom-rail-1.0. Если сгенерированное изображение похоже на персонажа, права на него могут принадлежать Bandai Namco Entertainment Inc.

DermaTech Qwen 2 VL — медицинская мультимодальная модель на базе Qwen/Qwen2-VL-2B-Instruct, дообученная разработчиками проекта DermaTech с помощью LoRA на 1 500 парах изображений и текстов о кожных заболеваниях. Модель принимает изображения кожи и текстовые запросы, а в ответ генерирует описания и предварительные оценки возможных состояний. Архитектура — Qwen2-VL с 1,5 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель доступна в формате safetensors и предназначена для использования с библиотекой Transformers. Её сценарии — предварительная оценка кожных изменений и прототипирование инструментов анализа состояния кожи. Оценка качества на независимых данных и формальное тестирование ещё не завершены; размер и разнообразие обучающей выборки ограничены, поэтому модель может ошибаться и не охватывать все состояния кожи. Результат не заменяет консультацию дерматолога и не должен использоваться как окончательный диагноз. README указывает исследовательское и прототипное назначение, но сведения о лицензии отсутствуют.

lazzdw создал эту модель Stable Diffusion, дообучив её методом DreamBooth на изображениях концепта Fat Yoshi (Big Yoshi). Модель предназначена для генерации изображений по текстовому описанию; для вызова концепта в запросе используется ключевое слово «fatchonkyyoshi». Репозиторий содержит веса в форматах Diffusers и PyTorch и использует лицензию CreativeML OpenRAIL-M. Карточка указывает, что модель создана в рамках DreamBooth Hackathon.

plasmo/food-crit — модель генерации изображений для Stable Diffusion, созданная автором карточки с помощью DreamBooth на базе ноутбука TheLastBen. Она обучена на 95 изображениях в течение 5000 шагов и предназначена для создания причудливых существ из еды и похожих объектов. Чтобы вызвать изученный образ, запрос начинают с триггера «food_crit», за которым указывают продукт, например спагетти с фрикадельками, снежный конус или колу; сложная настройка промпта не требуется. В карточке приведены примеры генерации с настройками Euler a и CFG 6–10. Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. Описание подтверждает обучение концепции DreamBooth, но не называет точный базовый чекпойнт Stable Diffusion. Качество генерации вне показанных примеров и поведение на иных темах не описаны.

Neopian-Diffusion — экспериментальная модель генерации изображений по тексту на базе Stable Diffusion v1.5 от runwayml. Её разработчик дообучил с помощью DreamBooth на 1950 изображениях примерно 100×100 пикселей, извлечённых из GIF-файлов Neopets. Для выбора кадров применялся CLIP ViT-B/32: для каждой пары подписи и GIF отбирался кадр с минимальным сферическим расстоянием до подписи. Модель предназначена для создания изображений в стиле Neopets по текстовым запросам. В README автор предупреждает, что обучение ещё не завершено и нужный стиль пока не достигнут. Также отмечены артефакты низкого разрешения и требование NVIDIA GPU с поддержкой CUDA для описанного способа запуска через Diffusers. Лицензия репозитория — CreativeML Open RAIL-M. README содержит отдельное уведомление об авторских правах Neopets и просит включать его при использовании извлечённых изображений на страницах, не связанных с Neopets.

Модель ResNet-18 + LSTM разработана лабораторией анализа биомедицинских изображений Lab225 Объединённого института проблем информатики Национальной академии наук Беларуси. Она принимает рентгеновские снимки грудной клетки и авторегрессионно генерирует текстовые описания и радиологические находки. Архитектура сочетает дообученный энкодер ResNet-18 с пятислойным декодером LSTM; модель содержит около 19,5 млн параметров и использует словарь из 2 190 токенов с эмбеддингами GloVe. Модель предназначена для автоматизированного составления описаний снимков грудной клетки, в том числе в сценариях с ограниченными вычислительными ресурсами. Она обучена на датасете белорусского скрининга CXR; карточка приводит английские и русские языковые коды, а также метрики оценки на тестовой выборке. Репозиторий содержит веса PyTorch и указывает лицензию Apache-2.0. Результат следует рассматривать как автоматически сгенерированное описание для поддержки анализа, а не как подтверждённый диагноз: качество зависит от снимка и соответствия обучающим данным. Модель специализирована на рентгенограммах грудной клетки и не предназначена для других видов изображений или медицинских задач.

ShutterMuse — мультимодальная модель для подсказок фотографу в момент съёмки, основанная на Qwen3-VL-8B-Instruct. Она предназначена для анализа сцены и диалога с фотографом, чтобы давать рекомендации по созданию кадра непосредственно во время съёмки. Модель использует архитектуру Qwen3VLForConditionalGeneration и процессор Qwen3VLProcessor; опубликована в формате safetensors с точностью bfloat16. Модель принимает изображения и текстовые запросы и формирует текстовые рекомендации. Карточка связывает её с исследованием ShutterMuse о помощи при съёмке, однако не приводит результатов оценки качества или подробностей о поддерживаемых языках сверх английского языка, указанного в метаданных. Лицензия в предоставленных данных не указана.

Это замороженная пилотная версия TrOCR, дообученная для распознавания печатного текста на сингальском языке. Модель принимает изображение одной строки текста размером примерно 2600×128 пикселей; она не предназначена для распознавания целых страниц или документов. Обучение проводилось на синтетических данных, созданных с использованием пяти шрифтов. Версия содержит дефект токенизатора: он удаляет символ U+200D ZERO WIDTH JOINER, необходимый для записи некоторых сингальских лигатур. Поэтому модель не может вывести такие сочетания. В README приведены результаты на отложенной выборке из того же синтетического генератора и шрифтов; они не показывают качество на реальных документах. Репозиторий сохранён для справки и воспроизведения дефекта, для новых задач автор рекомендует преемника kaan84/sinhala-print-trocr. Модель распространяется по лицензии Apache-2.0.

Metal079/SonicDiffusion — набор из трёх моделей DreamBooth на базе AnythingV3, обученных на изображениях Эвана Стэнли. Модели предназначены для генерации изображений по текстовому описанию персонажа Соника и связанных с ним образов; для запуска в запросе используются ключевые фразы «sonic person» для evan5400 и «mobian person» для mobianstrimmed6000 и mobianstrimmed12000. Модель evan5400 обучалась примерно на 30 изображениях в течение 5400 шагов, а две модели mobianstrimmed — на 100 изображениях в течение 6000 и 12000 шагов. Автор отмечает, что варианты на 6000 шагов и evan5400 обычно дают более качественные и стабильные результаты, а версия на 12000 шагах менее последовательна. Репозиторий содержит веса в форматах Diffusers и PyTorch. Автор рекомендует вместо этой версии использовать V2; сведения о лицензии в предоставленных данных отсутствуют.

Это модель классификации изображений на основе Vision Transformer (ViT), разработанная автором репозитория и дообученная на задаче распознавания кожных поражений. Она использует входные изображения размером 384×384 пикселя и классификатор на 12 классов: среди них меланома, невус, базальноклеточная карцинома, актинический кератоз, сосудистое поражение и чистая кожа. В метаданных указаны 402,7 млн параметров и формат safetensors; лицензия — Apache-2.0. Модель предназначена для исследовательской классификации кожных поражений и поддержки принятия решений в дерматологии. В README описано обучение примерно на 70 тысячах реальных и синтетических изображений с использованием переноса признаков из модели для выявления меланомы. Карточка приводит результаты по отдельным классам, но не даёт достаточных оснований судить о клинической надёжности во всех условиях. Ограничения включают возможное смещение данных, недостаток примеров редких классов и вариации качества при разных условиях съёмки и устройствах. Результаты классификации не следует считать самостоятельным диагнозом.

Модель Wambugu Kinyua — дообученная версия Vision Transformer ViT-Tiny для классификации изображений листьев сельскохозяйственных культур по состоянию и типу болезни. Она принимает RGB-изображения и выдаёт метку класса, включая здоровые растения и заболевания кукурузы, картофеля, риса и пшеницы: ржавчину, пятнистость, ожог листьев и другие категории. Компактная архитектура содержит 7,1 млн параметров и предназначена для раннего выявления болезней в точном земледелии; её можно встроить в системы мониторинга посевов или дообучить на данных конкретного региона и культуры. В карточке заявлены метрики проверки на отложенной части датасета: accuracy 98%, precision 97%, recall 97% и F1 96%. Результаты могут быть хуже на культурах, болезнях и условиях съёмки, отсутствующих в обучающих данных; ошибки классификации способны привести к пропуску заболевания или ненужным мерам. Для данной версии метаданные указывают формат safetensors, а README также упоминает веса ONNX. Лицензия в метаданных Hugging Face — MIT.

Это дообученная модель yuchiahung/donut_f21_v4_ep3_edit_distance_loss, созданная на основе архитектуры VisionEncoderDecoderModel и предназначенная для преобразования изображений в текст. В README указаны результаты оценки: точность по символам 0,1456, точное совпадение — 0, а средняя длина предсказания значительно короче средней длины эталонной строки. Эти показатели свидетельствуют о низком качестве распознавания в приведённой оценке. Датасет и конкретный сценарий применения не описаны. Модель распространяется в формате safetensors по лицензии MIT.

Flux_LoRA-uncensored — адаптер LoRA для генерации изображений по текстовому описанию на базе black-forest-labs/FLUX.1-dev. В README указано, что модель обучена локально с использованием Fluxgym; в карточке она опубликована под идентификатором salomonsky/flux-lora-uncensored, а в ссылке приведён репозиторий prashanth970/flux-lora-uncensored. Модель предназначена для text-to-image-сценариев и ориентирована на генерацию изображений с эротическим и обнажённым содержанием. Для активации характерного эффекта рекомендуется использовать триггерные слова porn, nude, sex и boobs. Веса доступны в формате Safetensors и могут применяться через ComfyUI, AUTOMATIC1111, SD.Next, InvokeAI, Forge и другие совместимые инструменты. Технически это LoRA-адаптер, поэтому для работы требуется базовая модель FLUX.1-dev; отдельные сведения о размере, точном контексте, поддерживаемых языках, дополнительных модальностях и результатах тестирования не указаны. Качество и поведение генерации зависят от базовой модели, настроек инференса и формулировки промпта. Лицензия обозначена как flux-1-dev-non-commercial-license, то есть использование ограничено некоммерческими условиями базовой модели.

NSFW_flux_dev — LoRA-дообучение модели FLUX.1 [dev] от Black Forest Labs, опубликованное пользователем Banshee511. Модель предназначена для генерации изображений по текстовым описаниям с использованием базовой модели FLUX.1 [dev], 12-миллиардной модели генерации изображений. Весовые файлы доступны в формате Safetensors для Diffusers. Метка модели указывает на генерацию контента для взрослой аудитории. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает конкретный стиль, тематику изображений или ограничения качества.

QwenEdit_2511_girls_nsfw_v2 — модель-адаптер LoRA для генерации изображений из текста, опубликованная пользователем nnndite. По названию и тегам она предназначена для создания изображений с девушками, включая контент для взрослых. Модель представлена в формате SafeTensors и рассчитана на использование в экосистеме Diffusers или совместимых интерфейсах генерации изображений. В README не указаны базовая модель, архитектура, количество параметров, поддерживаемые языки, размер контекста и точные требования к запуску. Поэтому нельзя достоверно оценить качество, совместимость и ограничения адаптера, кроме того, что он требует совместимой базовой diffusion-модели. Лицензия — Creative Commons Attribution-ShareAlike 4.0 (CC BY-SA 4.0), предусматривающая указание авторства и распространение производных материалов на тех же условиях.

Rice-Leaf-Disease — модель классификации изображений листьев риса, созданная PrithivMLmods дообучением google/siglip2-base-patch16-224. Она построена на архитектуре SiglipForImageClassification и относит изображение к одному из пяти классов: бактериальный ожог, пирикуляриоз, бурая пятнистость, здоровый лист или тунгро. Модель предназначена для раннего выявления болезней риса и может помогать фермерам и агрономам оценивать состояние растений, а исследователям — анализировать распространение заболеваний. Она принимает изображения и выдаёт классификацию. Репозиторий использует Transformers, веса сохранены в формате safetensors. Лицензия — Apache-2.0. Классы и качество распознавания могут не охватывать все болезни и условия съёмки; README не приводит метрик точности или сведений о проверке на полевых изображениях, поэтому результаты стоит подтверждать экспертной оценкой.

jaypratap/vit-pretraining-2024_04_02-atelectasis-classifier — классификатор рентгеновских изображений на основе Vision Transformer (ViT), обученный с нуля. В модели около 113,2 млн параметров; веса сохранены в формате safetensors. Она предназначена для отнесения изображений к классам, связанным с ателектазом. На оценочном наборе указаны accuracy 0,7644 и loss 0,5020. README не описывает состав классов, данные и условия оценки, поэтому эти результаты не позволяют судить о качестве на других наборах или в клинической практике. Модель рассчитана на входные изображения и выдаёт классификацию; сведений о поддерживаемых языках нет. Лицензия в предоставленных данных не указана.

Zack3D_Kinky-v1 — модель генерации изображений на основе Stable Diffusion, обученная Zack3D на данных E621 и специализирующаяся на фетиш-тематике. Она предназначена для создания изображений по текстовым описаниям; автор также упоминает доступ к модели через бесплатного бота в Discord. Модель распространяется в форматах Diffusers и PyTorch. В метаданных указан английский язык и лицензия CreativeML OpenRAIL-M. Карточка не сообщает размер модели, длину контекста или подробности архитектуры сверх принадлежности к Stable Diffusion.

CXRMate-ED — мультимодальная модель для генерации радиологических заключений по рентгенограммам грудной клетки с учётом дополнительных данных о пациенте. Модель разработана авторами исследования «The Impact of Auxiliary Patient Data on Automated Chest X-Ray Report Generation and How to Incorporate It» и предназначена для автоматизации подготовки описаний снимков в клинических и исследовательских сценариях. Модель семейства CXRMate-ED использует изображения грудной клетки и сведения из медицинских записей; в README описана подготовка данных MIMIC-CXR, MIMIC-CXR-JPG и MIMIC-IV-ED и генерация отчёта. Репозиторий рассчитан на библиотеку Transformers и содержит веса в формате safetensors. Поддерживаемый язык карточки — английский. Для доступа к указанным наборам данных требуется авторизация PhysioNet. Лицензия модели — Apache-2.0.

Flower DDPM — компактная безусловная диффузионная модель, разработанная автором репозитория и обученная с нуля на изображениях цветов из Ambrosiussen/flower-dataset. Она предназначена для генерации небольших изображений, учебных экспериментов с DDPM и визуализации процесса пошагового удаления шума. В основе модели — UNet2DModel из Hugging Face Diffusers с блоками свёрток, остаточными связями и пространственным self-attention на глубоких уровнях. При генерации модель начинает со случайного шума и постепенно формирует RGB-изображение размером 32×32 пикселя; текстовый энкодер и управление промптами отсутствуют. Процесс обучения использует DDPM с 1 000 шагами и расписанием шума squaredcos_cap_v2. Модель узкоспециализирована на цветочных изображениях и не рассчитана на высокое разрешение, фотореалистичную генерацию общего назначения или управление содержимым по запросу. Низкое разрешение ограничивает детализацию, а качество обобщения количественно не оценивалось. Лицензия — MIT.

Модель yuk/madoka-waifu-diffusion — специализированный вариант Stable Diffusion в формате Diffusers, разработанный для генерации иллюстраций樋口円香, персонажа игры THE iDOLM@STER SHINY COLORS. Автор создал её дополнительным обучением Waifu Diffusion методом DreamBooth. Модель принимает текстовые запросы и создаёт изображения. В метаданных указан английский язык; размер и длина контекста не приведены. Репозиторий распространяется под лицензией bigscience-bloom-rail-1.0. В README отмечено, что изображения, похожие на персонажа 黛冬優子, могут подпадать под авторское право Bandai Namco Entertainment Inc.

asezualdemifluid/nsfwMarrier — LoRA-адаптер для модели black-forest-labs/FLUX.1-dev, разработанный EnhanceAI. Он предназначен для генерации изображений по текстовым запросам, включая контент для взрослых и другие изображения без встроенных ограничений исходной модели. Адаптер подключается к пайплайну FLUX.1-dev через библиотеку diffusers. Версия v2 заявлена как более производительная и стабильная по сравнению с предыдущей, а также имеет уменьшенный размер LoRA-весов без существенной потери качества. Указаны веса lora.safetensors, рекомендуемый тип данных torch.bfloat16 и необходимость CUDA-совместимого GPU для оптимальной работы. Модель ориентирована на text-to-image-сценарии; сведения о поддерживаемых языках, размере параметров, максимальной длине контекста и точных характеристиках архитектуры не приведены. Сильная сторона модели — специализация на создании откровенных изображений и возможность расширить соответствующие возможности FLUX.1-dev с помощью компактного LoRA-адаптера. Ограничения включают зависимость от базовой модели и вычислительных ресурсов, а также риски неправомерного или неэтичного применения. В README указано, что модель предназначена для исследований и личного использования и распространяется на условиях FLUX-1-dev Non-Commercial License (flux-1-dev-non-commercial-license), что запрещает коммерческое использование согласно условиям лицензии.

Карточка модели HurudzaAI/plantdiseasedetection1 на Hugging Face совпадает с карточкой wambugu71/crop_leaf_diseases_vit, поэтому описание составлено по ней. Модель Wambugu Kinyua — дообученная версия Vision Transformer ViT-Tiny для классификации изображений листьев сельскохозяйственных культур по состоянию и типу болезни. Она принимает RGB-изображения и выдаёт метку класса, включая здоровые растения и заболевания кукурузы, картофеля, риса и пшеницы: ржавчину, пятнистость, ожог листьев и другие категории. Компактная архитектура содержит 7,1 млн параметров и предназначена для раннего выявления болезней в точном земледелии; её можно встроить в системы мониторинга посевов или дообучить на данных конкретного региона и культуры. В карточке заявлены метрики проверки на отложенной части датасета: accuracy 98%, precision 97%, recall 97% и F1 96%. Результаты могут быть хуже на культурах, болезнях и условиях съёмки, отсутствующих в обучающих данных; ошибки классификации способны привести к пропуску заболевания или ненужным мерам. Для данной версии метаданные указывают формат safetensors, а README также упоминает веса ONNX. Лицензия в метаданных Hugging Face — MIT.

Это дообученная методом DreamBooth модель Stable Diffusion v1.5, опубликованная bitspirit3. Она генерирует изображения по текстовым запросам, настроена на создание изображений Ранни Ведьмы; чтобы вызвать этот образ, автор рекомендует добавить в запрос слово «ranni». Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. Модель предназначена для генерации изображений по тексту с заданным персонажем. Карточка не сообщает о других языках, контексте или ограничениях качества; результат зависит от формулировки запроса и базовых возможностей Stable Diffusion v1.5.

ngxson/tinygemma3_cifar — модель на архитектуре Gemma 3, обученная на наборе CIFAR-10. Она принимает изображения и текстовые сообщения и формирует текстовые ответы; карточка указывает поддержку чата и обработки изображений. Модель подходит для экспериментов с визуальными вопросами по небольшим изображениям из классов CIFAR-10. Модель опубликована в формате safetensors и рассчитана на использование с библиотекой Transformers. Размер модели, длина контекста, поддерживаемые языки и лицензия в предоставленных данных не указаны.

GirlsLike-ZImage — это LoRA/LoKR-адаптер для генерации изображений людей на базе моделей Tongyi-MAI/Z-Image и Z-Image-Turbo. Модель разработана пользователем ifmylove2011 и предназначена главным образом для тестирования сходства с определёнными реальными людьми и изучения результатов персонального обучения. Для генерации необходимо использовать триггерное слово: обычно это имя человека, а в отдельных случаях — специальный идентификатор, указанный на примерах. В репозитории представлены варианты zi, обученные на Z-Image Base, и zit, обученные на Z-Image-Turbo. Вариант zi совместим с Base и Turbo, тогда как zit предназначен только для Turbo. Адаптеры реализованы как полноразмерные LoKR; рекомендуемый вес обычно находится в диапазоне 0,5–1,5, причём для zi на Turbo базовое значение составляет около 1,0, а для zit — около 0,9. Примеры созданы в разрешении 1080×1440, за 8 шагов, с BF16-моделью, CFG 1 и китайскими промптами. Данные о размере параметров, длине контекста и поддерживаемых языках не указаны. Сильной стороной zi считается сравнительно хорошая совместимость и сходство персонажей на средних и дальних планах при использовании с Turbo. Ограничения включают нестабильную совместимость, возможные анатомические дефекты и менее выразительные крупные планы; для Turbo-вариантов совместимость обычно хуже. Адаптер предназначен для тестирования и не должен использоваться для выдачи сгенерированных изображений за реальные, обмана или иных неправомерных целей. Лицензия — Apache-2.0.

NSFW Master (Z-Image Turbo) — LoRA-адаптер для генерации изображений на базе Tongyi-MAI/Z-Image-Turbo. Модель разработана Shopon_Skp и опубликована rachel-luxangel-ai; исходная версия доступна на CivitAI. Она предназначена для text-to-image-сценариев в Diffusers, включая создание изображений для взрослых и эротического содержания, а также реалистичных и стилизованных женских персонажей по текстовым описаниям. Модель не содержит специальных trigger words; рекомендуемый автором вес LoRA — 0,8. В репозитории представлены версии V2 и V1 в формате SafeTensors: V2 обучалась 17 532 шага, V1 — 8 766 шагов. Данных о размере адаптера, языках, максимальной длине контекста, точных параметрах архитектуры и поддерживаемых модальностях, кроме текстового ввода и генерации изображений, не указано. Для работы требуется базовая модель Tongyi-MAI/Z-Image-Turbo и совместимый пайплайн Diffusers. Сильная сторона модели — специализация на NSFW-генерации и отсутствие необходимости добавлять триггерные слова, при этом README не приводит подробных сравнительных оценок качества или ограничений по содержанию. Лицензия обозначена как other, без уточнения условий использования, поэтому права на коммерческое и иное применение следует проверять отдельно.

Pepe Diffuser — модель генерации изображений по текстовому описанию, созданная дообучением Stable Diffusion 2 на изображениях лягушонка Пепе. Автор использовал библиотеку diffusers и набор данных Dipl0/pepe_image_stable_diff; модель доступна в формате Diffusers/PyTorch. Модель предназначена для создания изображений с Pepe the Frog по текстовым запросам. Автор отмечает, что результаты обычно лучше, если начинать запрос с фразы «pepe the frog». В README приведён пример генерации с StableDiffusionPipeline и планировщиком DPMSolverMultistepScheduler. Это личный экспериментальный проект. Обучающие изображения взяты из интернет-мемов, поэтому результаты могут воспроизводить их юмор и стереотипы. Сведения о лицензии в предоставленных данных отсутствуют.

stale2000/sd-dnditem — модель генерации изображений, предназначенная для создания магических предметов для Dungeons & Dragons. По карточке модели, её обучили создавать изображения, похожие на официальные иллюстрации игровых предметов; в описании не указана базовая модель или разработчик обучающего набора. Модель работает по текстовым запросам с ключевым словом «dnditem» и шаблоном, включающим тип предмета, его стиль и фон. Поддерживаются, например, сапоги, плащи, перчатки, шлемы, кольца, щиты, мечи и посохи, а также более 100 стилей предметов. Репозиторий содержит веса в форматах Diffusers и PyTorch; метаданные указывают Stable Diffusion Pipeline и лицензию other. Карточка ориентирует запросы на английские формулировки. Лицензионные условия подробнее в README не раскрыты. Для наилучших результатов требуется следовать указанному шаблону запроса; модель специализирована на магических предметах D&D и не заявлена как универсальный генератор изображений.

TrpFrog Diffusion — модель Stable Diffusion, дообученная автором на концепции TrpFrog с помощью DreamBooth и датасета trpfrog-icons. Она предназначена для генерации изображений по текстовому запросу, содержащему триггер «a photo of trpfrog», и стремится воспроизводить образ японского комедийного автора TrpFrog. Модель распространяется в формате Diffusers/PyTorch по лицензии CreativeML OpenRAIL-M. Модель рассчитана на создание изображений с этим конкретным персонажем; README не описывает её как универсальную модель генерации. В карточке не приведены сведения о размере, контексте или поддерживаемых языках.