II.8Инженерия данных и аналитика

FART_Augmented — модель классификации текста на базе RoBERTa от FartLabs. В карточке Hugging Face указано, что репозиторий содержит модель для text-classification и опубликован в коллекции моделей FART, связанной с работой «A Chemical Language Model for Molecular Taste Prediction». Архитектура — RobertaForSequenceClassification; в предоставленных метаданных указаны 96,6 млн параметров и контекст до 514 токенов. Модель предназначена для классификации текстовых последовательностей. Связь с прогнозированием вкуса молекул отражена в названии коллекции и работе, однако карточка не описывает конкретные метки, данные обучения или результаты этой модели. В карточке также не указаны лицензия и языки; поэтому эти характеристики нельзя уточнить.

anonauthors/fgvc_aircraft-ConvNeXt-base — модель классификации изображений на базе архитектуры ConvNeXt, опубликованная в формате, совместимом с библиотекой Transformers. По идентификатору модели она предназначена для распознавания типов или разновидностей воздушных судов на изображениях в рамках задачи FGVC Aircraft. Метаданные Hugging Face также относят её к задачам image classification и указывают поддержку формата safetensors. Модель может применяться для автоматической классификации фотографий самолётов, построения систем поиска и каталогизации изображений воздушных судов, а также как базовая модель для компьютерного зрения в авиационных сценариях. README содержит автоматически сгенерированную карточку и не предоставляет сведений о разработчике, датасете обучения, точности, размере модели, лицензии, ограничениях или рекомендуемом способе использования.

Модель ari yul/gender_prediction_model_from_text — классификатор английского текста, разработанный для предсказания вероятного пола анонимного автора по содержанию текста. Она создана на базе microsoft/deberta-v3-large и дообучена для бинарной классификации на классы female и male; архитектура DeBERTa V2, 533,8 млн параметров, формат safetensors. По метаданным, максимальная длина контекста составляет 512 токенов; в карточке модели указан предел 128 токенов. Модель предназначена для анализа текста из разных областей, включая формальные выступления и неформальные телефонные разговоры. В карточке приведены метрики F1 и accuracy около 0,69 на сбалансированном тестовом наборе. Это экспериментальная оценка вероятной категории автора по языковым признакам, а не достоверное установление пола конкретного человека. Разработчик сообщает о смещении предсказаний: эмоциональные и рефлексивные тексты чаще классифицируются как женские, а прямые и ориентированные на результат — как мужские. Набор данных ограничен доступными открытыми источниками; примеры на польском и русском переводились на английский. Лицензия модели — MIT.

GRM-llama3.2-3B-sftreg — reward-модель для оценки предпочтительности ответов больших языковых моделей, разработанная авторами исследования Regularizing Hidden States Enables Learning Generalizable Reward Model for LLMs. Она дообучена на meta-llama/Llama-3.2-3B-Instruct с использованием hendrydong/preference_700K и регуляризации скрытых состояний, чтобы лучше обобщать оценки на задачи вне обучающего распределения и снижать переоптимизацию в RLHF, в том числе при искажённых данных предпочтений. Модель основана на плотной архитектуре LlamaForCausalLM, содержит 3,2 млрд параметров и имеет контекст 131072 токена. Репозиторий содержит веса Safetensors; лицензия — MIT. Основной сценарий — ранжирование вариантов ответа по предпочтительности для обучения и оценки языковых моделей. В README приведена оценка 85,8 на RewardBench; также указано, что для этого бенчмарка следует использовать неквантованные веса. Метаданные отмечают поддержку text-classification и text-generation, а карточка описывает чат и интерфейс вызова инструментов. Для корректной загрузки README рекомендует файл model.py из репозитория и проверку инициализации v_head.

Это детектор объектов YOLO11x, дообученный автором dronefreak на наборе Global Wheat Head Dataset в рамках DetectionBench — проекта для воспроизводимого сравнения детекторов. Модель находит на изображениях головки пшеницы и предназначена для анализа полевых снимков, в том числе при высокой плотности объектов и перекрытии между ними. На тестовой выборке GWHD указаны mAP@50 74,25%, mAP@50–95 34,92% и точность 83,37%. Результаты различаются по странам, поэтому агрегированная оценка не гарантирует такое же качество на иных сортах пшеницы и в других полевых условиях. Модель принимает изображения и выдаёт рамки обнаруженных объектов с классом wheat_head. Для использования требуется Ultralytics; лицензия весов — AGPL-3.0.

hikka-forge2vec — созданная Lorg0n мультимодальная модель эмбеддингов для поиска и сравнения аниме и манги. Она кодирует названия, описания, жанры, синонимы и метаданные, а также может учитывать постер, в единый L2-нормированный вектор размерности 256. Модель использует attention для объединения сигналов; влияние изображения ограничено обучаемым механизмом и не превышает 10%. Отдельный адаптер для инференса не требуется. Модель предназначена для семантического поиска по каталогу, подбора похожих произведений и вспомогательной работы с векторами, включая арифметику. Она поддерживает профили без постера и неполные записи. При обучении использовались английские, украинские и японские названия; для постеров применялись визуальные признаки SigLIP 2. Репозиторий также содержит устанавливаемый Python-пакет. Лицензия — Apache-2.0. Косинусное сходство служит оценкой ранжирования, а не калиброванной вероятностью. Качество поиска зависит от полноты профиля и языка данных; словарь жанров фиксирован, а в визуальных признаках могут сохраняться нежелательные корреляции. Векторная арифметика менее надёжна, чем поиск ближайших соседей, а модель отражает смещения каталога hikka.io и синтетических данных.

HingRoBERTa — модель семейства XLM-RoBERTa, разработанная L3Cube-Pune и дообученная на корпусе L3Cube-HingCorpus. Она предназначена для работы с текстом на хинглише — смешанном хинди и английском, записанном латиницей. Модель с архитектурой XLMRobertaForMaskedLM содержит 305,2 млн параметров и принимает последовательности длиной до 514 токенов. Основная задача — предсказывать замаскированные слова в тексте. Это подходит для языковых экспериментов и анализа хинглиша, например для подстановки пропущенных слов или оценки контекста. Модель рассчитана на хинди и английский; карточка указывает лицензию CC BY 4.0. Она не является генеративной чат-моделью и не предназначена для свободного диалога.

kimi-k3-eagle3.1-mla — вспомогательная модель чернового предсказания EAGLE-3.1 от lightseekorg для ускорения генерации Kimi-K3 методом speculative decoding. Это дообученный чекпойнт архитектуры Eagle3DeepseekV2ForCausalLM размером 1,8 млрд параметров с Multi-Latent Attention; он предсказывает токены-кандидаты, которые основная модель проверяет, и сам по себе не предназначен для обычного диалога. В README описано обучение TorchSpec с Anchored EAGLE-3 и нормализацией скрытых состояний; MLA уменьшает нагрузку на KV-кэш и согласуется с архитектурой целевой модели. Модель рассчитана на ускорение обслуживания запросов Kimi-K3, включая диалоговые, математические, программные и длинноконтекстные сценарии. Для указанной конфигурации в README приведены результаты принятия токенов и пропускной способности на конкретном оборудовании; выигрыш зависит от нагрузки, настроек декодирования, точности целевой модели и корректной конфигурации захвата вспомогательных состояний. Совместимое обслуживание описано для TokenSpeed и vLLM от версии 0.20.0, требуется NVIDIA GPU с CUDA 12.0 или новее. Лицензия в метаданных обозначена как other; конкретные условия следует сверять с карточкой репозитория.

MedEmbed-base-v0.1 — англоязычная модель эмбеддингов для медицинских и клинических текстов, созданная дообучением BAAI/bge-base-en-v1.5 на медицинских данных. Это плотная модель на архитектуре BERT с 136,7 млн параметров; она принимает текст и формирует векторные представления для семантического поиска, сравнения предложений и поиска документов для систем ответов на вопросы. Максимальная длина контекста — 512 токенов. Модель предназначена для поиска медицинской литературы, клинической информации и ответов на медицинские вопросы. Для обучения использовались синтетические пары запросов и ответов, подготовленные на основе клинических заметок PubMed Central, а также контрастивное обучение с трудными негативными примерами. В README заявлено превосходство над универсальными эмбеддинг-моделями на медицинских и информационно-поисковых бенчмарках, включая MedicalQARetrieval, NFCorpus, PublicHealthQA и TRECCOVID. Модель специализирована на медицинской тематике и может хуже работать в других областях. Её следует использовать как вспомогательный инструмент, а не для замены медицинских специалистов при принятии решений. Лицензия — Apache 2.0.

Карточка модели Akahsizrr/MiniCPM5-2B-DSpark-continued-step200 на Hugging Face совпадает с карточкой openbmb/MiniCPM5-2B-DSpark, поэтому описание составлено по ней. MiniCPM5-2B-DSpark — черновой чекпойнт DSpark от OpenBMB для ускорения генерации с помощью спекулятивного декодирования. Он предназначен для точного сочетания с целевой моделью MiniCPM5-2B и её токенизатором; в README указано 5 черновых слоёв и 323 776 001 параметр черновой модели. Метаданные репозитория указывают архитектуру Qwen3DSparkModel, около 503,3 млн параметров, контекст до 131 072 токенов и формат safetensors. Модель обучали на ответах MiniCPM5-2B для общих, математических и программных запросов. Она используется как черновая модель в SGLang с алгоритмом DSPARK, а не как самостоятельная чат-модель; оценка в README измеряет длину принятого продолжения при спекулятивной проверке. Метаданные отмечают английский и китайский языки, а также лицензию Apache-2.0. Выводы модели могут быть неточными, предвзятыми или оскорбительными; результаты по чувствительным темам не являются профессиональной консультацией. Для работы нужны целевая MiniCPM5-2B, её токенизатор и поддержка DSPARK в среде запуска.

MIRA-AI — модель компьютерного зрения, разработанная Jeremy341 на основе Ultralytics YOLO11n и дообученная для обнаружения отходов. Она предназначена для исследований и прототипирования систем автоматизации переработки и сортировки мусора, роботизированной сортировки, edge-AI и других задач object detection. Модель распознаёт пять классов: стекло, металл, бумагу, пластик и прочий мусор. Для эксперимента EXP-019 доступны варианты в форматах PyTorch, ONNX и TFLite, включая INT8-экспорты для разрешений 320 и 640 пикселей. Обучение проводилось на комбинациях датасетов garbage image classification/detection, TACO, TrashNet и Roboflow Trash Detection; в заявленном эксперименте использовались 5 108 обучающих, 415 валидационных и 1 375 тестовых изображений. Показатели EXP-019 составляют mAP50 90,58%, mAP50-95 82,15%, precision 87,2% и recall 84,6%. Сильными сторонами модели являются специализированное распознавание категорий отходов, компактная архитектурная база YOLO11n и наличие форматов, подходящих для интеграции в различные среды, включая периферийные устройства. Ограничения включают проблемы с белой мятой бумагой, банками, снятыми со стороны отверстия, сильно перекрывающимися объектами, необычным освещением и ракурсами, а также объектами вне обучающего распределения. Модель не позиционируется как готовая промышленная система, а заявленные результаты не гарантируют аналогичную точность на независимых реальных изображениях. Файлы модели предоставляются по лицензии MIT, если применимо; лицензии исходных датасетов сохраняют собственные условия использования.

Miril-DroneVLM-2B-2 — открытая модель компьютерного зрения и языка от Miril.ai, дообученная на базе Google Gemma 4 E2B IT. Она принимает аэрофотоснимок с вопросом на обычном английском языке и возвращает структурированный JSON: описание сцены, фактический ответ, подходящую область для посадки или доставки либо координату видимого объекта. Модель предназначена для понимания сцен с дронов и интеграции результатов в операторские интерфейсы и проверяемые приложения. Это исследовательская модель класса 2B для прототипирования на периферийных устройствах. Она поддерживает изображения и текстовый диалог; карточка указывает английский язык. Модель может помогать при поиске и разборе аэрофотоснимков, инспекциях инфраструктуры и сельского хозяйства, оценке обстановки при ЧС, а также при предварительном выборе зон посадки и локализации объектов. Лицензия — Apache-2.0. Модель может пропускать мелкие объекты, путать похожие классы, неверно оценивать масштаб или выбирать неподходящую область; возможны неверные ответы и невалидный JSON. Качество зависит от высоты съёмки, сжатия, смаза, погоды, ракурса и отличий условий от обучающих данных. Это компонент восприятия, а не контроллер полёта или самостоятельная система безопасности; результаты требуют независимой проверки.

MistralMind-Caller7B — диалоговая языковая модель на архитектуре Mistral, разработанная Rumiii как QLoRA-дообучение Mistral-7B-Instruct-v0.3. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для преобразования запросов о психическом здоровье и данных носимых устройств в вызовы функций, например для получения данных о пульсе или сне. Обучение на примерах MindCall дополнено выборкой xLAM, чтобы сохранить разнообразие схем аргументов и общие навыки вызова инструментов. Модель также подходит для диалоговой генерации текста. Это исследовательский и образовательный проект, не проверенный для клинического применения или диагностики. Целевые функции служат примерами: для получения реальных данных вызывающая система должна предоставить собственную реализацию бэкенда. Лицензия модели — Apache-2.0.

MMS-300m — Yemeni Sub-Dialect Identifier (AYDID) — модель Mansoor Saleh для классификации аудиозаписей на семь разновидностей йеменского арабского языка: аденскую, бедуинскую, хадрамаутскую, сананскую, таизскую, тихамскую и стандартный йеменский. Это дообученная модель семейства wav2vec2 с архитектурой Wav2Vec2ForSequenceClassification и 402,7 млн параметров; она принимает аудио и присваивает записи класс диалекта. Модель предназначена для автоматической идентификации диалекта в устной речи. На сбалансированном тестовом наборе AYDID, содержащем 375 высказываний на класс, автор сообщает взвешенную F1-меру 80,44% после дообучения, по сравнению с 11,45% для базовой модели без дообучения. Модель обучена на корпусе AYDID и ориентирована на йеменскую арабскую речь; качество на других арабских диалектах и вне условий тестового набора не подтверждено. Лицензия CC BY-NC-SA 4.0 допускает использование с указанием авторства, на некоммерческих условиях и при распространении производных материалов на тех же условиях.

Это модель классификации текста vjosap/moralBERT-predict-authority-in-text, опубликованная Vjosa Preniqi на Hugging Face. По названию и профилю автора она предназначена для выявления в тексте моральной ценности «авторитет»; в профиле также указано приложение MoralBERT для анализа моральных ценностей. Модель доступна в формате Safetensors и распространяется по лицензии MIT. Карточка указывает задачу text-classification, но не описывает обучающие данные, список меток, архитектуру, размер параметров, поддерживаемые языки или контекст. Поэтому результаты следует рассматривать как классификационные оценки для целевого понятия, а не как объяснение или универсальную оценку морального содержания текста.

moralBERT-uncased-mrfc-loyalty — англоязычная модель классификации текста, созданная дообучением google-bert/bert-base-uncased. Она использует архитектуру BERT и предназначена для классификации последовательностей; название указывает на связь с темой лояльности, но карточка не описывает конкретные классы и сценарии применения. Модель содержит 136,7 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате safetensors. Модель разработана автором репозитория SzymonKozl и опубликована по лицензии Apache-2.0. В карточке нет описания обучающих данных, схемы меток или результатов оценки, поэтому её точность и пригодность для конкретной задачи классификации требуют отдельной проверки.

MOSS-Audio-Tokenizer-v2 (decoder) — декодер аудиокодека OpenMOSS, экспортированный проектом loom-ai-org в формат GGUF для loom.cpp. В репозитории сохранены исходные веса модели OpenMOSS-Team/MOSS-Audio-Tokenizer-v2 без изменений; метаданные связывают её с этой базовой моделью как производную, хотя README уточняет, что это именно упаковка весов в другой формат. Модель преобразует последовательности аудиокодовых токенов в стереозвук с частотой 48 кГц. Она состоит из шести причинных стеков трансформеров с частотами кодовых кадров от 12,5 до 400 Гц и оконным вниманием. Декодирование выполняется целиком за один вызов, без разбиения на чанки; максимум — 4096 кадров, или около 5,5 минуты. README сообщает о близком совпадении с декодированием upstream на 30 секундах речи. Это декодирующая половина кодека: она принимает коды, а не аудио, и сама не кодирует входные записи. Для 30-секундного клипа на двухъядерном CPU приводится время обработки около двух минут. Модель не является языковой и не имеет языка. Лицензия — Apache-2.0.

MuQ-MuLan-large — модель совместного представления музыки и текста от команды OpenMuQ, выпущенная как часть официального проекта MuQ и MuQ-MuLan. Она обучена контрастивным методом на парах «музыка—текст» и содержит около 700 млн параметров. Репозиторий предоставляет веса в формате PyTorch; для работы авторы рекомендуют библиотеку muq. Модель предназначена для сопоставления музыкальных аудиозаписей с текстовыми описаниями и классификационных сценариев, связанных с музыкой. Поддерживаются английский и китайский языки. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Авторы отмечают, что результаты открытой версии MuQ, обученной на Million Song Dataset, могут отличаться от опубликованных в статье; это ограничение относится к MuQ, а не явно к MuQ-MuLan-large.

myawesomeemotionsmodel — модель классификации аудио, созданная дообучением facebook/wav2vec2-base на наборе данных audiofolder. Архитектура основана на Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Модель предназначена для классификации аудиозаписей. Название предполагает распознавание эмоций по голосу, однако README не описывает классы и целевое применение, поэтому конкретные метки следует сверить с конфигурацией модели или данными обучения. На оценочном наборе указаны accuracy 0,6086 и loss 1,3229; эти результаты не описывают качество на других данных.

NSFW BGE-M3 v5 — текстовая модель эмбеддингов на архитектуре XLM-RoBERTa, дообученная KGESH для различения категорий контента для взрослых. Она предназначена для семантического поиска и сопоставления NSFW-меток, в том числе для различения близких категорий. По карточке, обучение использовало пары тегов и сложные отрицательные примеры, сформированные из кластеров совместной встречаемости; также включены многоязычные пары на английском, корейском и японском языках. Модель содержит 658,7 млн параметров, принимает текст и поддерживает контекст до 8194 токенов. Репозиторий использует формат Safetensors; модель основана на KGESH/nsfw-bge-m3-v4. Модель подходит для семантического поиска по меткам и категоризации взрослого контента, когда важно различать близкие NSFW-категории. Данные карточки описывают обучение на 172 тыс. пар и заявляют исходный корпус тегов, связанный с видео для взрослых; результаты на иных доменах и языках не описаны. Лицензия в предоставленных сведениях не указана.

OpenPlants Plant Identification Model — модель классификации изображений растений до уровня вида, разработанная для приложения OpenPlants. Она выполняет распознавание локально на устройстве по фотографии и рассчитана на мобильные приложения, полевые наблюдения и рабочие процессы мониторинга биоразнообразия. Модель основана на Vision Transformer ViT-Base с архитектурой ViTForImageClassification и дообучена на изображениях из GBIF и iNaturalist. В обучающую выборку вошли около 2 млн изображений примерно 14 тыс. видов; число параметров в метаданных — 113,2 млн. Каждый класс соответствует виду по таксономии GBIF. Модель принимает изображения и выдаёт метку класса. Лицензия — Apache-2.0. Точность может снижаться для редких и похожих видов, а также при плохом качестве снимка; некоторым видам для надёжного различения нужны географический контекст или репродуктивные признаки, которых модель не использует.

MEMFOF-Tartan-T-TSKH — дообученный чекпойнт метода MEMFOF, разработанный для оценки оптического потока в реальных видео. Он предназначен для определения движения между кадрами и рассчитан на обработку видео Full HD при низком потреблении видеопамяти. В README указано, что этот вариант обучен на более разнообразных данных с упором на устойчивость к условиям реальной съёмки. Модель принимает изображения и выдаёт результат преобразования изображения, связанный с оценкой оптического потока. Репозиторий содержит веса в формате safetensors; библиотека — PyTorch. Лицензия — BSD 3-Clause. Количество параметров и длина контекста в доступных данных не указаны.

MEMFOF-Tartan-T-TSKH-kitti — дообученный чекпойнт egorchistov для оценки оптического потока в сценариях автономного вождения и участия в бенчмарке KITTI. Он основан на egorchistov/optical-flow-MEMFOF-Tartan-T-TSKH и предназначен для обработки пар изображений или кадров видео. Семейство MEMFOF ориентировано на видео Full HD и сочетает высокую точность с низким потреблением видеопамяти. Репозиторий содержит веса в формате safetensors и использует PyTorch. Лицензия — BSD 3-Clause.

Parakeet RNN-T 0.6B — all SAP speech, synthetic, and chunked long audio — это англоязычная модель распознавания речи с дизартрией, созданная dys-asr на основе extraordinarylab/parakeet-unified-en-0.6b. Это плотная архитектура ParakeetForRNNT с 0,6 млрд параметров; модель дообучена на записях Speech Accessibility Project, синтетической дизартричной речи и фрагментах длинных записей. Она предназначена для исследовательского распознавания атипичной речи и как основа для адаптации под конкретного говорящего. Модель принимает монофонический звук с частотой 16 кГц и выдаёт английскую расшифровку в нижнем регистре, без пунктуации, с числами, записанными словами. Она поддерживает обработку длинных записей по фрагментам; при декодировании работает медленнее моделей на CTC из-за авторегрессионного вывода. Для загрузки требуется transformers версии 5.9 или новее. Лицензия — CC BY 4.0. Авторы сообщают улучшение на 1,24 пункта WER и 0,91 пункта CER относительно родственной модели на той же отложенной выборке, но изменения в обучении внесены одновременно, поэтому вклад отдельных факторов не установлен. Оценочная выборка не включает речь при болезни Паркинсона; использована одна обучающая и оценочная попытка без оценки разброса и парного теста значимости. Это не клинический инструмент и не предназначено для диагностики.

Это вспомогательная модель Inferencer Labs на основе Qwen3.6-35B-A3B: из базовой модели извлечены слои Multi-Token Prediction (MTP) для использования вместе с Qwen3.6-35B-A3B-MLX в спекулятивном декодировании. Она предназначена для ускорения генерации ответов основной моделью; отдельно от совместимой основной модели не используется. В README приведён пример тестирования на Mac с M3 Ultra и 512 ГБ оперативной памяти, а также заявлено, что вариант с квантизацией Q4.5 обеспечивает высокую скорость генерации и снижает расход памяти без потери качества в тесте на кодирование. Метаданные указывают архитектуру семейства qwen3_5_mtp, библиотеку MLX, формат safetensors и поддержку зрения через базовую модель. Лицензия в предоставленных данных не указана.

Qwen3.8-27B-heretic-dflash — черновая модель DFlash, дообученная jfan на скрытых представлениях нескольких слоёв Qwen 3.8 27B Heretic. Она предназначена для спекулятивного декодирования: предлагает блоки будущих токенов, которые проверяет целевая авторегрессионная модель. Такой режим ускоряет генерацию текста, сохраняя точность вывода целевой модели; в приведённых автором тестах с MLX на Apple Silicon ускорение составило 2,58–2,82 раза. Модель использует архитектуру DFlash Dual-Hidden Non-Autoregressive Drafter и рассчитана на блоки по 16 токенов. README указывает контекст 2 048 токенов плюс 16 токенов блока; метаданные каталога указывают нативный контекст 262 144 токена. Репозиторий содержит веса safetensors объёмом около 3,46 ГБ. Указаны сценарии генерации кода и математических рассуждений, а языковые теги — английский и китайский. Для работы нужна совместимая целевая модель Qwen Heretic и среда DFlash, например MLX/MLX-VLM; эта модель сама по себе не является универсальной текстовой моделью для диалога. Распространяется по лицензии Apache-2.0.

RadioDINO-b16 — модель извлечения признаков для радиомики и медицинской визуализации, разработанная Лукой Цеддой, Андреа Лоддо и Чечилией Ди Руберто из Университета Кальяри. Это Vision Transformer ViT-Base с размером патча 16, обученный по самообучающей схеме DINO; модель содержит 113,2 млн параметров и выдаёт эмбеддинги размерности 768. Модель предварительно обучена на RadImageNet — наборе из 1,35 млн изображений КТ, МРТ и ультразвуковых исследований. Она предназначена для извлечения признаков и переноса обучения в задачах медицинской визуализации, включая классификацию, сегментацию и анализ интерпретируемости. В README указана проверка на бенчмарке MedMNISTv2 и эффективность без дополнительного дообучения. RadioDINO-b16 принимает медицинские изображения и выдаёт векторные признаки; поддерживаемые в предобучении типы изображений включают КТ, МРТ и УЗИ. Репозиторий предоставляет веса PyTorch в формате safetensors, библиотека — timm. Лицензия — CC BY 4.0.

toilaluan/raev2-dinov3l-k7 — самодостаточная модель RAEv2 первого этапа с предварительно обученным энкодером DINOv3-L и декодером общего назначения DINOv3-L K7. Она предназначена для кодирования изображений в латентное представление и восстановления RGB-изображений из него; метаданные классифицируют её как image-to-image. Для работы требуется Transformers версии 4.56 или новее. Декодер возвращает необработанный RGB-прогноз без ограничения диапазона или масштабирования, а статистики сдвига и масштаба латентного пространства в репозиторий не включены.

frgfm/repvgg_a0 — сверточная модель архитектуры RepVGG, представленная в карточке проекта frgfm и предварительно обученная на ImageNette. Её задача — классифицировать изображения по категориям. Архитектура использует блоки с остаточными связями при обучении, которые преобразуются в последовательность свёрток и нелинейных активаций для инференса. Модель подходит для классификации изображений в приложениях компьютерного зрения и для экспериментов с компактными сверточными сетями. Репозиторий содержит веса в форматах PyTorch и ONNX. Модель распространяется по лицензии Apache-2.0.

merve/rfdetr-roadsign-agree1 — это дообученная Merve модель Roboflow/rf-detr-base для обнаружения дорожных знаков и сигналов на изображениях. Она построена на архитектуре RF-DETR и распространяется в формате safetensors по лицензии Apache-2.0. Модель предназначена для локализации объектов на изображении с помощью рамок и классификации знаков: например, «Въезд запрещён», «Остановка запрещена», «Пешеходный переход», а также светофоров и их сигналов. В README приведены результаты оценки по классам; качество различается между категориями, поэтому модель следует проверять на данных, похожих на целевую среду.