II.8Инженерия данных и аналитика

Это официальная версия токенизатора речи EMOVA, разработанного для обучения моделей серии EMOVA. Модель использует архитектуру EMOVASpeechTokenizer и представлена в формате safetensors; её основа — Emova-ollm/emova_speech_tokenizer. В описании заявлена лицензия Apache-2.0. Токенизатор преобразует китайскую и английскую речь в дискретные речевые единицы: модуль SPIRAL кодирует фонетическую и тональную информацию, а FSQ квантует результат. Отдельный декодер на основе VITS восстанавливает речевой сигнал из единиц. Семантическое содержание отделено от акустического стиля, что поддерживает выравнивание речи с представлениями языковой модели и управление голосом, высотой тона и эмоциями — всего заявлено 24 сочетания стиля. Модель предназначена прежде всего для токенизации речи и использования речевых токенов при обучении и работе мультимодальных моделей. README подтверждает китайский и английский языки. Для запуска описана установка окружения EMOVA; проверена работа на GPU NVIDIA A800/H20 и NPU Ascend 910B3, а доступность на других устройствах не подтверждена.

FGVCBoeing737 — модель классификации изображений, созданная дообучением ResNet-50 от Microsoft. Она предназначена для распознавания изображений самолётов Boeing 737. По данным README, на оценочной выборке точность составила 0,8239, а функция потерь — 0,9134. Модель использует архитектуру ResNet-50 и распространяется в формате safetensors; лицензия — Apache-2.0. Модель подходит для автоматической сортировки и предварительной разметки фотографий Boeing 737. Состав классов и сведения о тренировочных данных в карточке не раскрыты, поэтому результаты на других типах изображений и наборах данных по приведённой оценке определить нельзя.

JJTsao/fine-tuned_movie_retriever-all-mpnet-base-v2 — дообученная модель Sentence Transformers на архитектуре MPNet для семантического поиска и рекомендаций фильмов и сериалов. Она преобразует текстовый запрос и описания каталога в векторы, которые можно сравнивать по косинусному сходству, чтобы находить подходящие произведения по жанру, метаданным, темам и настроению. Модель обучена на более чем 32 тысячах синтетических триплетов «запрос, подходящий документ, неподходящий документ» с контрастивным подбором отрицательных примеров; размер — 136,7 млн параметров, контекст — 514 токенов. В приведённой оценке на 3598 запросах она показала Recall@1 0,459 и Recall@5 0,765, выше базовой модели на этой выборке. Модель предназначена для англоязычных запросов о кино и сериалах; для других языков качество не установлено. Лицензия — Apache-2.0.

FocalCodec — причинный речевой кодек с частотой кодирования 50 Гц и одним кодбуком из 4096 кодов, разработанный Luca Della Libera. Модель основана на focal modulation и предназначена для низкобитрейтного кодирования речи с возможностью потоковой обработки. Чекпойнт обучен на Libri-Light и работает с речевым аудио с частотой 16 или 24 кГц. Модель принимает аудио и выдаёт аудио, закодированное и восстановленное кодеком; в репозитории опубликованы веса safetensors для PyTorch. Это дообученная версия microsoft/wavlm-large. Лицензия — Apache-2.0. README не сообщает о качестве восстановления, поддерживаемых языках речи или ограничениях по длительности входа.

Модель ginic/full_dataset_train_3_wav2vec2-large-xlsr-53-buckeye-ipa — англоязычная система автоматического распознавания речи на архитектуре Wav2Vec2ForCTC с 402,7 млн параметров. Она создана для экспериментов по фонетической транскрипции на корпусе Buckeye и представляет собой дообученную версию facebook/wav2vec2-large-xlsr-53 на обучающей выборке этого корпуса; из обучения исключены слишком короткие записи длительностью менее 12 секунд. Модель предназначена для транскрибирования речи и оценки фонетического распознавания, в том числе для экспериментов по обобщению на другие корпуса, диалекты и варианты произношения. Она принимает аудио и выдаёт текстовую транскрипцию. Распространяется по лицензии MIT. Качество и область применимости за пределами данных Buckeye требуют отдельной оценки.

Это зеркало официального чекпойнта GCNet-M для сегментации изображений Cityscapes, разработанного авторами GCNet. Репозиторий переупаковывает веса из gyyang23/GCNet для программной загрузки через Hugging Face Hub; сами веса не изменены. GCNet — архитектура Golden Cudgel Network, представленная на CVPR 2025. Вариант M содержит около 34,2 млн параметров и требует около 178 GFLOPs. Модель предназначена для семантической сегментации городских сцен на изображениях набора Cityscapes: она присваивает пикселям изображения классы объектов и элементов дорожной инфраструктуры. Чекпойнт сохранён в формате PyTorch с весами fp32. Для загрузки требуется совместимая реализация GCNet и GCNetHead из vendored-копии mmsegmentation в исходном репозитории; стандартная установка mmsegmentation эти компоненты не содержит. Лицензия репозитория — MIT.

MCG-NJU/I3D-ViT — самостоятельный визуальный энкодер на базе Vision Transformer, выпущенный командой MCG-NJU после этапа предварительного обучения визуального энкодера Stage 0, описанного в статье. Репозиторий содержит реализацию VideoChat3VisionModel, конфигурацию зрения и веса ViT; энкодер использовался для инициализации визуальной основы модели MCG-NJU/VideoChat3-4B. Модель предназначена для извлечения признаков из изображений и работы как визуальный компонент более крупной системы. Веса объёмом около 544,9 млн параметров доступны в формате safetensors; заявлена библиотека Transformers. Лицензия Apache-2.0. Карточка не сообщает размер контекста, конкретный список поддерживаемых языков или детальные ограничения качества.

KR-ELECTRA-generator — корейская модель семейства ELECTRA, разработанная лабораторией компьютерной лингвистики Сеульского национального университета. Это генераторная часть модели ELECTRA для предобучения и заполнения замаскированных токенов; версия на Hugging Face использует архитектуру ElectraForMaskedLM, содержит 20,3 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для заполнения пропусков в корейском тексте и может служить компонентом в задачах обработки корейского языка. Обучение проводилось на 34 ГБ корейских текстов из Википедии, новостей, юридических материалов, комментариев и отзывов; данные сбалансированы между письменной и разговорной речью. Словарь из 30 000 морфемных токенов построен с использованием Mecab-Ko. Авторы отмечают хорошие результаты на неформальных текстах, включая отзывы. Модель опубликована в формате PyTorch. README не содержит условий лицензии; перед использованием следует проверить сведения о лицензии в репозитории. Описанные в README результаты относятся к набору экспериментов KR-ELECTRA и не дают отдельной оценки этого генераторного чекпойнта на прикладных задачах.

Lingo-Judge — модель Wayve для оценки ответов на вопросы о сценах вождения по метрике, согласующейся с человеческими оценками на наборе LingoQA. Она предназначена для сравнения качества ответов в задачах, связанных с автономным вождением. Модель основана на DeBERTa-v2, содержит 211,6 млн параметров и принимает текст с максимальной длиной контекста 512 токенов. В карточке указана задача классификации текста и поддержка английского языка. Модель выпущена в формате PyTorch под лицензией other; условия этой лицензии в предоставленных сведениях не раскрыты.

LLM2Vec4CXR — текстовый двунаправленный энкодер, разработанный для анализа рентгенологических заключений по снимкам грудной клетки. Модель основана на LLM2CLIP-Llama-3.2-1B-Instruct-CC-Finetuned и дообучена на рентгенологических заключениях и медицинских текстах. Она использует pooling с latent attention и выдаёт векторы размерности 2048; метаданные указывают 1,2 млрд параметров и контекст до 131 072 токенов, тогда как README описывает рабочую максимальную длину 512 токенов. Модель предназначена для создания эмбеддингов, сравнения медицинских текстов по смыслу и поиска релевантных заключений или находок. В README заявлена специализация на плевральном выпоте и других рентгенологических признаках, а также устойчивость к разным стилям заключений и профильным сокращениям. Указан английский язык. Лицензия — MIT. Модель не предназначена для самостоятельной постановки диагноза; авторы рекомендуют применять её как часть более крупной системы поддержки клинических решений. Специализация на рентгенографии грудной клетки может ограничивать переносимость на другие медицинские области, а для хороших результатов требуется подготовка входного текста.

Lotus Depth G v1.0 — модель из официального семейства Lotus, разработанного Jing He и соавторами. Это визуальная фундаментальная модель на основе диффузии для плотного предсказания; данный вариант предназначен для оценки глубины по изображению. Модель рассчитана на получение карты глубины, где каждому участку изображения соответствует оценка расстояния. Её можно использовать в задачах компьютерного зрения, которым нужна пространственная структура сцены. Репозиторий подготовлен для библиотеки Diffusers и содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. README не содержит сведений о размере, поддерживаемых языках или численном качестве; инструкции по применению вынесены на внешнюю страницу.

LUAR-MUD — модель семейства LUAR для построения представлений авторского стиля по тексту. Её разработали авторы работы Learning Universal Authorship Representations; обучение проводилось на Reddit Million User Dataset (MUD). Модель предназначена для извлечения векторных признаков текста, полезных для сравнения авторского стиля и решения задач атрибуции авторства. В метаданных указаны архитектура LUAR, библиотека Transformers и форматы PyTorch и safetensors. Карточка указывает английский язык и лицензию Apache-2.0. Модель ориентирована на английские тексты из домена Reddit; переносимость на другие языки, площадки и жанры карточка не описывает. Подробности о размере модели, длине контекста и оценках качества в доступных данных отсутствуют.

MESA — модель генерации рельефа по текстовому описанию, представленная Полом Борне-Понсом, Миколаем Черкавским, Розали Мартин и Роменом Руффе на воркшопе MORSE в рамках CVPR 2025. Это дообученная Stable Diffusion 2.1 на основе латентной диффузии; модель использует библиотеку Hugging Face Diffusers и создаёт совмещённые по координатам оптические изображения и карты глубины, формируя 2,5D-представления ландшафта. Модель предназначена для создания вариантов рельефа по естественно-языковым запросам. В карточке указаны наборы данных Copernicus Core-S2L2A и Core-DEM. Репозиторий содержит веса в формате safetensors для Diffusers. Лицензия обозначена как other, поэтому условия использования следует уточнить в материалах проекта. Количественные ограничения и сведения о контексте в карточке не приведены.

lgessler/microbert-coptic-m — компактная модель семейства MicroBERT для коптского языка, разработанная для получения текстовых признаков. Это плотная архитектура BERT на 1,3 млн параметров с контекстом до 512 токенов; веса доступны в форматах PyTorch и safetensors. Модель предварительно обучена с помощью masked language modeling на 970 642 токенах неразмеченных данных из корпуса Coptic SCRIPTORIUM версии 4.2.0; для обучения также использовались 48 632 токена размеченных данных из UD_Coptic_Scriptorium v2.9. Модель подходит для извлечения представлений текста на коптском языке и как компактная основа для задач обработки коптского текста. README не уточняет конкретные downstream-сценарии и лицензию, поэтому условия использования по лицензии определить нельзя.

MiVOLO V2 — модель семейства MiVOLO для оценки возраста и пола по изображениям людей, разработанная авторами MiVOLO. Она использует многовходовый трансформер, который анализирует кропы лица и тела; для инференса требуются кропы размером 384 × 384 пикселя. Модель предназначена для задач визуальной оценки демографических характеристик по изображению. Для работы используются библиотека mivolo и точность FP32 или FP16. В карточке указано, что обучение проводилось на проприетарных и открытых наборах данных. Модель опубликована под лицензией Apache-2.0. README называет её передовой, но таблица с метриками опущена, поэтому точность по карточке оценить нельзя.

MobileViT-XX-Small — компактная модель классификации изображений, представленная Sachin Mehta и Mohammad Rastegari и опубликованная в репозитории Apple. Она предварительно обучена на ImageNet-1k при разрешении 256×256 и предназначена для присвоения изображениям меток из 1000 классов ImageNet. Архитектура сочетает свёрточные слои в стиле MobileNetV2 с блоками Transformer: изображение разбивается на участки для глобальной обработки, после чего признаки снова собираются в карты. Вариант XXS содержит 1,3 млн параметров; в карточке указаны реализации PyTorch, TensorFlow и Core ML. Для оценки приводятся точность ImageNet top-1 69,0% и top-5 88,9%. Модель подходит для классификации изображений в мобильных и других сценариях с ограничениями по задержке и вычислительным ресурсам. Для предсказаний требуется подготовить изображение по схеме карточки, включая BGR-порядок каналов, изменение размера, центральное кадрирование и нормализацию пикселей в диапазон [0, 1]. Для предметных классов вне ImageNet-1k может потребоваться дообученная версия. Указана лицензия Apple Sample Code License.

modeversion1m7e4 — дообученная модель классификации изображений на архитектуре Vision Transformer (ViT). Она создана на основе google/vit-base-patch16-224-in21k и обучена на наборе данных sudo-s/herbier_mesuem7. Модель предназначена для отнесения изображений к классам; на оценочном наборе указаны loss 0,0902 и accuracy 0,9731. Модель содержит 113,2 млн параметров и опубликована в формате PyTorch. README не раскрывает назначение классов и сценарии применения набора данных, поэтому область изображений, для которой модель специализирована, определить нельзя. Лицензия — Apache-2.0.

moralBERT-predict-care-in-text — модель классификации текста, опубликованная Vjosa Preniqi на Hugging Face. Назначение модели — оценивать текст по категории care («забота»), как часть набора MoralBERT для прогнозирования моральных ценностей в тексте. Репозиторий содержит веса Safetensors и токенизатор; модель предназначена для классификации входного текста. Карточка указывает лицензию MIT. Подробности об архитектуре, поддерживаемых языках, контексте и точности в карточке не приведены.

my-symptom-checker-biobert — дообученная Iloriayomide модель классификации текста на основе emilyalsentzer/Bio_ClinicalBERT. Она предназначена для классификации текстовых описаний симптомов; карточка называет её средством проверки симптомов, но не сообщает классы, клинические сценарии или правила интерпретации результатов. Модель построена на архитектуре BERT, содержит 135,5 млн параметров и принимает последовательности длиной до 512 токенов. Базовая Bio_ClinicalBERT обучена на клинических записях MIMIC-III и рассчитана на англоязычный медицинский текст. Для этой версии указана лицензия MIT. В README приведено значение loss 0,1376 на оценочном наборе, однако состав данных и методика оценки не описаны, поэтому по этому числу нельзя судить о клинической точности или пригодности для диагностики.

NVIDIA NeMo NanoCodec 22 кГц, 0,6 кбит/с, 12,5 кадра/с — нейронный аудиокодек для сжатия речи и восстановления аудио. Модель принимает монофонический WAV с частотой 22 050 Гц и выдаёт аудио в том же формате. Это вариант семейства NeMo NanoCodec, разработанный NVIDIA на основе NVIDIA Low Frame-rate Speech Codec; в карточке указано 62 млн параметров. Архитектура включает свёрточные кодировщик и декодировщик на основе HiFi-GAN и конечное скалярное квантование (FSQ). Кодек предназначен для компрессии аудио и может использоваться как компонент обучения моделей генерации речи. Этот вариант специально рассчитан на дообучение с ограниченным числом дикторов и не рекомендуется для универсального кодирования и декодирования. Обучение проводилось на речевых данных из 105 языков; лицензия указана как other, а карточка сообщает о возможности коммерческого и некоммерческого использования.

Nemotron 3.5 ASR — Jordanian Dialect Arabic — потоковая модель автоматического распознавания речи, дообученная RamaBashar22 на базе NVIDIA Nemotron 3.5 ASR Streaming 0.6B примерно на 10 часах речи на иорданском диалекте. Она использует архитектуру FastConformer-CacheAware-RNNT с языковым промптом для арабского; монотонный декодер RNN-T выдаёт текст по мере поступления аудио. Модель принимает монофоническое аудио с частотой 16 кГц и предназначена для потоковой работы голосовых агентов. В README указаны WER 28,82% и CER 11,39% на отложенном тестовом наборе из 3,32 часа, а также RTF 0,107 при чанках 560 мс на L40S. Она особенно ориентирована на распознавание иорданской разговорной речи; качество для литературного арабского и других диалектов не оценено. Числа распознаются словами и требуют последующего преобразования в цифры для телефонных номеров, идентификаторов и сумм. Модель не предназначена для дословной транскрипции или записей, используемых для соблюдения требований. Репозиторий содержит веса safetensors и версию для NeMo; лицензия — OpenMDW 1.1.

OmicAI-0.8B — компактная модель с 0,8 млрд параметров из семейства OmicAI, разработанная для анализа омиксных данных и взаимодействия с инструментами через omicverse. Это дообученная на базе Qwen/Qwen3.5-0.8B модель: авторы применили LoRA с помощью ms-swift, затем объединили адаптер с базовой моделью. Модель использует шаблон диалога qwen3_5 и загружается через Transformers. Обучающие данные включают многошаговые траектории воспроизведения исследований в области омиксных данных: поиск публикаций, выполнение анализа, вызовы инструментов omicverse и восстановление после ошибок по обратной связи. По описанию авторов, в набор оставляли примеры, где проверка подтверждала корректность процесса и результаты не уступали опубликованным. Модель предназначена для исследовательского анализа омиксных данных, научного программирования и агентных сценариев с инструментами. Репозиторий распространяется под лицензией Apache-2.0. Модель компактна, однако карточка не приводит данных об оценке качества или длине контекста; результаты, заявленные для обучающих траекторий, не гарантируют воспроизведения качества в других задачах. Метаданные указывают английский язык; отдельное описание многоязычной поддержки отсутствует.

openjev-rlcd-qwen3-4b-v1 — экспериментальная модель dknguyen2304, дообученная на базе Qwen3-4B методом GRPO с подходом RLCD к калибровке решений. Она предназначена для классификации намерений по SNIPS: получает короткий текст и набор из 2–20 вариантов с метками и возвращает один выбранный вариант и оценку уверенности в компактном JSON. Модель обучена на семи типах намерений, включая запросы о погоде, музыке, ресторанах и бронировании билетов. Архитектура — плотная Qwen3ForCausalLM на 3,7 млрд параметров; поддерживаются английский язык и контекст до 40 960 токенов. Для генерации требуется отключить режим рассуждений Qwen3 через параметр шаблона enable_thinking=False. Обучение продолжается, а опубликованный чекпойнт охватывает только одну сравнительно простую область; качество на неоднозначных примерах и перенос на другие категории решений не проверены. Уверенность представлена одним числом для выбранного ответа, а не распределением вероятностей по всем вариантам. Это независимая реализация методики RLCD, не связанная с TypeSafe AI Jev и не использующая его веса. Лицензия — Apache-2.0.

DJLougen/Qwable-5-27B-Coder-GGUF — набор GGUF-квантизаций модели DJLougen/Qwable-5-27B-Coder, созданной на базе Qwen3.6-27B. Разработчик — DJLougen. Модель предназначена главным образом для локального запуска и экспериментов с генерацией кода в llama.cpp, Ollama и LM Studio; её также позиционируют как образовательную и иллюстративную демонстрацию влияния подачи информации о модели на восприятие её возможностей. Заявленный язык — английский, основная модальность — текстовая генерация. Модель имеет 27 миллиардов параметров в базовой конфигурации, однако точные характеристики контекстного окна и архитектуры в карточке не указаны. Постобучение выполнено всего на 10 трассах: пяти примерах из набора данных Fable 5 и пяти генерациях Kimi 2.7 Coder, примерно за три минуты на одном DGX Spark. Доступны варианты Q4_K_M, Q5_K_M, Q6_K и Q8_0, но их точные размеры в карточке не приведены. Ключевое ограничение — отсутствие подтверждённых методологией бенчмарков и крайне малый объём постобучающих данных, поэтому заявленные сильные стороны нельзя обобщать, а поведенческое отличие от базовой модели остаётся неопределённым. Квантизация может дополнительно изменить поведение и качество. Модель не рекомендуется для производственного программирования; её следует тестировать самостоятельно и оценивать воспроизводимыми проверками. Для репозитория указана лицензия Apache-2.0, при этом условия лицензирования базовой модели Qwen3.6-27B следует проверять отдельно.

Ray2333/reward-model-Mistral-7B-instruct-Unified-Feedback — модель вознаграждения, разработанная Ray2333 путём дообучения Mistral-7B-Instruct-v0.2 на наборе предпочтений llm-blender/Unified-Feedback. Она оценивает ответы и подходит для моделирования человеческих предпочтений и выравнивания больших языковых моделей; автор сообщает о точности 0,7740 на тестовых наборах и приводит результаты сравнения с другими reward-моделями. Модель использует плотную архитектуру MistralForSequenceClassification, содержит 7,1 млрд параметров и работает с контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors; модель рассчитана на английский язык. Лицензия — MIT. Она предназначена для оценки и ранжирования ответов в контурах обучения и выравнивания, а не для непосредственной генерации пользовательских ответов.

roberta-medium-amharic-32k-256 — дообученная на неизвестном наборе данных модель FacebookAI/xlm-roberta-base для восстановления замаскированных токенов. Она построена на архитектуре XLM-RoBERTa и содержит 49,9 млн параметров; поддерживает контекст до 512 токенов и сохранена в формате safetensors. Название указывает на ориентацию на амхарский язык, однако подробностей о данных и языковом покрытии карточка не приводит. Модель подходит для предсказания пропущенных слов в амхарском тексте и получения контекстных представлений для последующих NLP-задач. На оценочной выборке указана потеря eval_loss 2.4919, но без описания набора данных и методики эта метрика не позволяет надёжно судить о качестве в реальных сценариях. Лицензия — MIT.

Koichi Yasuoka разработал компактную RoBERTa для морфологической разметки японского текста. Модель дообучена на основе KoichiYasuoka/roberta-small-japanese-aozora и использует предобучение на текстах 青空文庫. Она присваивает каждому длинному слову универсальную часть речи UPOS и предназначена для разметки последовательностей и анализа японского текста. Модель содержит 74,3 млн параметров, работает с архитектурой RoBERTa и поддерживает контекст до 128 токенов. Её можно применять через библиотеку esupar для POS-разметки; в карточке также указана задача синтаксического анализа зависимостей для исходной модели. Лицензия — CC BY-SA 4.0. Ограниченный размер контекста и специализация на японском языке сужают область применения.

roomscan-dav2-metric-large-ft-faro — дообученная на данных ARKitScenes модель Depth Anything V2 Metric-Indoor Large для оценки абсолютной глубины по изображениям помещений. В основе лежит Depth Anything V2 Metric Indoor Large; при дообучении использовались замороженная основа DINOv2 и обучаемые блоки DPT neck и head с функцией потерь SiLog, а целевые значения задавались моделью-учителем faro. Модель предназначена для оценки расстояний до поверхностей и объектов в комнатах по кадрам, в том числе в сценариях сканирования помещений. В README указано, что обучение проводилось на 10 сценах и 3594 кадрах набора train_faro; метрика abs_rel на валидационной части ARKitScenes составила 0,145 против 0,461 у исходной модели. Шесть тестовых сцен не участвовали в обучении, валидации и выборе чекпойнта. Модель принимает изображения и выдаёт карту глубины. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

SafeSynth RT-DETRv2-R18 Hard-Hat Detector — модель обнаружения объектов, разработанная в рамках проекта SafeSynth и дообученная на базе PekingU/rtdetr_v2_r18vd с backbone ResNet-18. Она находит на изображениях каски, непокрытые каской головы и людей; классы каски и головы предназначены для прототипирования контроля ношения касок на строительных площадках. Модель принимает изображения и выдаёт классы объектов с рамками локализации. В README приведены результаты контролируемого сравнения: опубликован вариант, обученный только на 3 500 реальных изображениях, без синтетических данных. Чекпойнт предназначен для исследований, обучения, воспроизводимых сравнений и прототипов. Класс person ненадёжен из-за неполной разметки исходного набора данных. Показатели получены на одном фиксированном тестовом наборе и с одним seed, поэтому не гарантируют качество на других площадках и камерах; порог обнаружения следует калибровать под условия применения. Модель не является сертифицированным средством безопасности и не должна быть единственным основанием для решений, способных навредить работникам. Лицензия — Apache-2.0.

LoFi-MedG — дообученная модель визуального энкодера SigLIP 2, разработанная авторами работы «Location-Aware Fine-Grained Representation Learning for Medical Vision Foundation Models». Она предназначена для извлечения признаков медицинских изображений и построения детализированных визуальных представлений с учётом локализации объектов или областей. Модель основана на google/siglip2-so400m-patch16-512 и опубликована в формате safetensors для использования с библиотекой Transformers. Модель можно применять как компонент медицинских систем поиска и анализа изображений, а также мультимодальных систем, использующих визуальные признаки. Карточка не содержит подробностей о медицинских специализациях, обучающих данных или оценках качества. Условия лицензирования в предоставленных источниках не указаны.