IV.1Ритейл, электронная коммерция и fashion-tech

200-msf-v2 — модель генерации изображений по текстовому описанию, опубликованная пользователем aphexblake и доступная в формате Diffusers для Stable Diffusion. Карточка предлагает использовать VAE для версии 2.0, чтобы улучшить качество генерации и устранить синие артефакты. Для генерации автор рекомендует фотореалистичные промпты, 25 шагов сэмплирования, CFG Scale 3,5–7 и при необходимости увеличение разрешения через Latent upscaler. Модель предназначена для создания изображений по промпту, в том числе портретов и сцен в фотореалистичном стиле. Распространяется под лицензией CreativeML OpenRAIL-M. Карточка не сообщает базовую модель, число параметров или поддерживаемые языки; инструкция с примерами ориентирована на текстовые промпты.

Artisanica XL — слитая модель генерации изображений на основе Stable Diffusion XL, опубликованная David J.V. Schöbl. Она создаёт реалистичные и художественные изображения по текстовым описаниям и рассчитана на широкий спектр творческих сценариев: от иллюстраций и фотореалистичных сцен до изображений архитектуры и природы. Автор отмечает особую силу модели в изображении женских фигур и более слабые результаты при генерации мужской анатомии. Модель поддерживает создание NSFW-контента. Модель представлена в формате Diffusers с весами safetensors. Для использования указана лицензия CreativeML OpenRAIL-M; заявление автора о коммерческом использовании сгенерированных изображений не заменяет проверку условий лицензии и прав на конкретный контент.

activebus/BERT-DK_rest — модель семейства BERT, опубликованная как часть набора ReviewBERT. Она основана на BERT-base-uncased и дополнительно обучена на корпусе отзывов Yelp о ресторанах; в README указан объём корпуса 1G и 19 типов ресторанов. Модель предназначена для представления ресторанных отзывов и изучения их тональности, аспектов и предпочтений клиентов в электронной коммерции. Это плотная модель с архитектурой BertForMaskedLM и 136,7 млн параметров. Она принимает текст, поддерживает задачу заполнения маски и рассчитана на контекст до 512 токенов. В репозитории представлены веса PyTorch и Flax. Лицензия в доступных данных не указана.

Bunny-v1_0-2B-zh — мультимодальная модель семейства Bunny от BAAI для диалога и ответов на вопросы по изображениям. В языковой части используется Qwen1.5-1.8B, а для обработки изображений — визуальный энкодер SigLIP; в метаданных архитектура указана как плотная BunnyQwen2ForCausalLM с 1,5 млрд параметров. Модель поддерживает контекст до 32 768 токенов и ориентирована прежде всего на китайский язык. Модель предварительно обучена на LAION-2M и дообучена на Bunny-695K. В карточке указана оценка 59,5 на тестовой части MMBench-CN. Лицензия — Apache-2.0. Она предназначена для использования через Transformers; карточка не приводит подробностей о поведении на языках, кроме китайского, и об ограничениях при работе с отдельными типами изображений.

SHIKARI2 выпустил дообученную чат-модель на архитектуре Llama 3.1. Она основана на unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit и содержит 7,5 млрд параметров. Модель предназначена для генерации текста в диалоге; в метаданных также заявлен интерфейс вызова инструментов. Длина контекста составляет 131 072 токена, язык карточки — английский. Модель может служить основой для маркетинговых текстов и диалоговых сценариев, однако README не описывает конкретные задачи дообучения или оценки качества в маркетинговой области. Модель выпущена в формате Safetensors и распространяется по лицензии Apache-2.0.

Chroma1-Base — базовая модель для генерации изображений по текстовым описаниям, разработанная командой Chroma. Это модель с 8,9 млрд параметров на основе FLUX.1-schnell с архитектурными изменениями: крупный слой кодирования временного шага заменён более компактной FFN, а маскирование padding-токенов T5 и специальное распределение временных шагов использованы для повышения стабильности обучения и качества генерации. Модель предназначена прежде всего для дообучения на определённых стилях, персонажах и концепциях, а также для экспериментов с генеративными моделями и использования в более крупных системах. Обучение проводилось на отобранных 5 млн примеров из пула в 20 млн, включавших художественные и фотографические изображения, а также нишевые стили. Для работы доступны Diffusers и ComfyUI; сценарий ComfyUI использует T5 XXL и FLUX VAE. Модель выпущена под лицензией Apache 2.0. В карточке указано, что она не прошла дополнительное выравнивание и не имеет встроенного фильтра безопасности; генерации могут отражать предвзятость обучающих данных и включать вредный, откровенный или оскорбительный контент. Полный технический отчёт на момент публикации карточки ещё готовился.

timm/convnextv2_nano.fcmae_ft_in1k — сверточная модель ConvNeXt-V2 Nano для классификации изображений и извлечения признаков. Она предварительно обучена методом FCMAE и дообучена на ImageNet-1k; модель содержит 15,6 млн параметров. Для обучения указано разрешение 224×224 пикселя, для тестирования — 288×288. Модель подходит для классификации изображений по категориям ImageNet-1k, получения карт признаков и эмбеддингов изображений. Её можно применять как компактную визуальную основу для приложений компьютерного зрения. В метаданных указана библиотека timm, а веса доступны в форматах PyTorch и Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое использование. Модель обучена на ImageNet-1k, поэтому её классификационные возможности ориентированы на категории этого набора данных; результаты для иных предметных областей могут быть ограничены.

CyberIllustrious Semi-Real — модель генерации изображений по текстовому описанию, опубликованная пользователем или организацией cyberdelia. Модель относится к семейству Stable Diffusion XL (SDXL) и предназначена для использования с библиотекой Diffusers. Модель ориентирована на создание полуфотореалистичных изображений в стилях CyberRealistic и Illustrious, включая художественные и фотореалистичные сцены. Она подходит для генерации иллюстраций, концепт-артов и визуальных материалов по текстовым промптам. Лицензия модели — CreativeML Open RAIL-M.

CyberRealistic Pony Catalyst — экспериментальная модель генерации изображений из текста, созданная как ответвление линейки CyberRealistic Pony. Она предназначена для создания фотореалистичных изображений по коротким или подробным текстовым запросам; особенно проработаны лица, глаза, кожа, освещение и текстуры. Модель основана на Stable Diffusion XL и распространяется в формате Safetensors для Diffusers. В README рекомендованы 25–30 шагов сэмплирования и разрешения 896×1152 или 832×1216. Встроенный VAE позволяет работать без отдельного VAE. Модель ориентирована на реалистичную эстетику: абстрактные и аниме-запросы могут давать менее качественные результаты, а кожа и освещение иногда выглядят чрезмерно гладкими или чистыми. Лицензия — CreativeML OpenRAIL-M.

openart-custom разместил на Hugging Face модель DucHaiten-AIart-SDXL_v3 — конвейер Diffusers для генерации изображений по текстовому описанию. В карточке приведён пример использования StableDiffusionXLPipeline: текстовый запрос преобразуется в изображение. В репозитории указаны форматы Diffusers и Safetensors; карточка сообщает размер около 3 млрд параметров и тип тензоров F16. Сведения о конкретных стилях, обучении, языках, ограничениях и лицензии в карточке не заполнены, поэтому их нельзя надёжно определить.

Edge of Realism — модель генерации изображений по текстовому описанию, доступная через ModelsLab и размещённая в репозитории stablediffusionapi. Карточка демонстрирует вызов API с моделью edge-of-realism и настройками генерации: размер 512 × 512, 30 шагов диффузии и guidance scale 7,5. Пример промпта нацелен на детализированные портреты с реалистичными и художественными чертами. Модель принимает текстовый промпт и может использовать негативный промпт, чтобы задавать нежелательные элементы изображения. В примере также передаются параметры seed, embeddings и LoRA; README предлагает вызывать генерацию через API. Метаданные указывают на формат Diffusers/PyTorch с весами Safetensors и лицензию CreativeML OpenRAIL-M. Карточка не сообщает базовую модель, размер весов или длину контекста.

Репозиторий содержит предобученные на ImageNet веса EfficientNet-B4, предназначенные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель можно применять для классификации изображений или как визуальный энкодер в задачах сегментации через соответствующую библиотеку. Карточка указывает архитектуру EfficientNet-B4 и формат весов safetensors. Лицензия отмечена как other, поэтому условия её использования следует уточнить в репозитории. Подробные сведения о размере модели, языках и ограничениях в предоставленных данных отсутствуют.

sam749/epiCPhotoGasm-Last-nicorn — модель генерации изображений по текстовому описанию на базе Stable Diffusion, опубликованная автором sam749. Автор описывает её как дообученную частную модель, основанную на Z Model и объединённую с дообученной Photo LoRA для улучшения фотореалистичности; заметных отличий от версии Z автор не обещает. Модель предназначена для создания изображений по текстовым промптам и распространяется в формате Diffusers с весами safetensors. В README приведён пример генерации портрета персонажа с детализированным освещением и внешностью. Лицензия — CreativeML OpenRAIL-M.

FLUX.1-dev-GGUF — квантованные GGUF-версии модели FLUX.1-dev, разработанной Black Forest Labs и подготовленной к квантованию компанией Second State Inc. Это модель генерации изображений по текстовому описанию, ориентированная на сценарии text-to-image и использование в сервисах на базе sd-api-server; заявлена поддержка LoRA. Модель использует компоненты FLUX.1-dev, включая VAE, CLIP-L и T5-XXL. Доступны варианты квантования от 2 до 8 бит, а также исходные версии в форматах f16 и f32; размер основных файлов зависит от варианта и составляет примерно от 4,15 до 23,8 ГБ, а T5-XXL — от 1,61 до 9,79 ГБ. В метаданных указан английский язык. Архитектура, максимальный контекст и точные характеристики качества в README не описаны. К преимуществам относятся широкий выбор уровней квантования, возможность снизить требования к памяти и интеграция с sd-api-server и LoRA. Более агрессивное квантование может ограничивать качество по сравнению с полноразмерными версиями; требования к оборудованию и производительности не указаны. Модель распространяется по лицензии FLUX.1-dev Non-Commercial License, поэтому коммерческое использование может быть ограничено условиями лицензии.

FLUX.1 Redux [dev] — адаптер Black Forest Labs для моделей семейства FLUX.1, предназначенный для вариаций и рестайлинга изображений. Он принимает исходное изображение и помогает воспроизвести его с небольшими изменениями; результат сильно зависит от входного изображения. Адаптер интегрируется в рабочие процессы генерации изображений на базе Diffusers и может использоваться для уточнения или стилистического изменения изображения. Для рестайлинга с текстовым описанием в README упоминается API, принимающий изображение вместе с текстовым запросом; это возможность API, а не заявленная функция данного адаптера dev. Модель не предназначена для выдачи фактической информации, может усиливать социальные предубеждения и не всегда точно соответствует запросу. Лицензия указана как other; README также перечисляет ограничения на незаконное и вредоносное использование.

GuangyuanSD/FLUX.2-klein-9B-Blitz-ComfyUI — дообученная модель семейства FLUX.2 Klein 9B, созданная на основе Black Forest Labs FLUX.2-klein-9B. Карточка описывает её как ускоренную модель для генерации изображений с акцентом на замену лиц и естественное совмещение лица с выражением и освещением исходного изображения. Модель предназначена для рабочих процессов ComfyUI с малым числом шагов: автор рекомендует 4–5 шагов и CFG=1. В карточке также заявлены улучшенное следование портретному референсу и сохранение идентичности. Метаданные указывают библиотеку Diffusers и форматы safetensors и Diffusers. README упоминает BF16, FP8 и NVFP4 варианты в описании предыдущих версий линейки, но не подтверждает, что все они входят в этот репозиторий. Ограничения качества и совместимости подробно не описаны. Лицензия в предоставленных данных не указана.

gcresnet50t.ra2_in1k — модель классификации изображений семейства GC-ResNet, разработанная Россом Уайтманом и реализованная в библиотеке timm. Она обучена на ImageNet-1k и может использоваться для классификации изображений, извлечения карт признаков и получения эмбеддингов изображений. Архитектура основана на ResNet с механизмом Global Context attention и трёхслойным stem-блоком без pooling. Модель содержит около 25,9 млн параметров; для оценки изображений в карточке указаны размеры 256 × 256 при обучении и 288 × 288 при тестировании. Доступны веса PyTorch и safetensors. Модель подходит для стандартных задач компьютерного зрения и как backbone для дальнейшей обработки изображений. Она обучена на ImageNet-1k, поэтому её классификационные возможности ориентированы на классы этого набора данных; качество на других предметных областях отдельно не описано. Лицензия — Apache-2.0.

Карточка модели 7ser1324/Hunyuan3D-Omni на Hugging Face совпадает с карточкой tencent/Hunyuan3D-Omni, поэтому описание составлено по ней. Hunyuan3D-Omni — модель Tencent для управляемой генерации 3D-объектов. Она построена на Hunyuan3D 2.1 и использует единый энкодер управления, который объединяет сигналы разных типов для задания формы и позы объекта. Модель генерирует 3D-модель по изображению, а также поддерживает управление через облако точек, воксельное представление, ограничивающий 3D-бокс или скелетную позу. Это подходит для создания и преобразования 3D-ассетов для игр, кино и дизайна, когда нужно точнее контролировать геометрию, топологию или позу. В README указан размер 3,3 млрд параметров и потребность в 10 ГБ видеопамяти для генерации. В репозитории указаны веса PyTorch и библиотека hunyuan3d-2. Лицензия обозначена как other; конкретные условия следует проверять в лицензии репозитория. Модель наследует структуру Hunyuan3D 2.1; подробности о качестве, поддерживаемых форматах 3D-вывода и точных ограничениях применения в карточке не приведены.

Dejan Marketing разработала Intent-XL — демонстрационную модель многометочной бинарной классификации текста на базе дообученной ALBERT-XXLarge-v2. Она определяет поисковое намерение по запросу и присваивает ему одну или несколько из десяти меток: коммерческий или некоммерческий, брендовый или небрендовый, информационный, навигационный, транзакционный, коммерческое исследование, локальный или развлекательный запрос. Модель предназначена для автоматической пакетной обработки больших массивов поисковых запросов из Google Search Console, SEMRush, Ahrefs, Moz, Majestic и Google Ads. Модель имеет 3,3 млрд параметров, принимает текстовые запросы и выдаёт бинарные метки классов. Максимальная длина контекста — 512 токенов; в метаданных указан английский язык. Карточка отмечает, что это демонстрационная модель, которая может ошибаться; метки для брендовых и небрендовых запросов требуют дополнительного дообучения. Для коммерческих проектов разработчик обычно применяет более крупную модель или отдельную модель для конкретной предметной области. Лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории.

Модель jesusromerodev/jesusromerodev-vit-model-jesus-romero — дообученная Jesus Romero версия Vision Transformer ViT-Base/16, созданная на основе google/vit-base-patch16-224-in21k. Она предназначена для классификации изображений. В репозитории указаны 113,2 млн параметров и формат весов Safetensors; модель использует библиотеку Transformers. В README приведены результаты оценки: точность 0,9925 и loss 0,0621. Датасет, набор классов и условия оценки не описаны, поэтому эти показатели нельзя переносить на другие данные. Модель распространяется по лицензии Apache-2.0.

Juggernaut XL v7 FP16 VAE Fix — модель генерации изображений по тексту, созданная KandooAI совместно с RunDiffusion на основе Stable Diffusion XL Base 1.0. Это вариант Juggernaut XL v7 с исправленной VAE для устойчивого вывода в формате FP16; для её использования предусмотрена интеграция с Diffusers и интерфейсами ComfyUI, Forge, Automatic1111, Fooocus, InvokeAI и SwarmUI. Модель предназначена для создания фотореалистичных изображений по текстовым запросам. В README рекомендованы разрешения 832 × 1216 для портретов и 1216 × 832 для альбомной ориентации, сэмплер DPM++ 2M Karras и 30–40 шагов. Вариант FP16 Fix призван устранять чёрные изображения, ошибки NaN и артефакты шума при выводе в половинной точности; заявлено, что в остальном результат соответствует стандартной v7. Репозиторий распространяется в формате Diffusers, с файлами PyTorch и Safetensors. Лицензия CreativeML OpenRAIL-M допускает личное и творческое использование, но платное API-размещение требует отдельного разрешения правообладателя.

JuggernautXL_v8Rundiffusion — модель генерации изображений по текстовому описанию, опубликованная пользователем frankjoshua на Hugging Face. Она предназначена для создания изображений из промптов и запускается через Diffusers с конвейером StableDiffusionXLPipeline. Модель распространяется в формате Safetensors и совместима с библиотекой Diffusers. В репозитории присутствуют компоненты Stable Diffusion XL, включая U-Net, VAE, текстовые энкодеры и токенизаторы. Модель ориентирована на локальную генерацию изображений и может использоваться в приложениях и ноутбуках, поддерживающих Diffusers. Основное ограничение — модель предназначена для text-to-image и не заявлена как универсальная система для распознавания, редактирования изображений или генерации текста. В доступных источниках не приведены сведения о поддерживаемых естественных языках, длине контекста, числе параметров и лицензии.

Это модель генерации изображений по текстовому описанию в формате Stable Diffusion Diffusers. Автором указан kiendt91495; карточка также содержит демонстрационное изображение автора, но не описывает архитектурные параметры, размер модели, поддерживаемые языки или особенности генерации. Репозиторий включает веса в формате safetensors и компоненты Diffusers. Модель предназначена для создания изображений по текстовым запросам. Указана лицензия other, поэтому конкретные условия использования следует проверять по файлам репозитория.

Krea 2 Onyx Turbo mlx 4bit legacy — неофициальная сборка сообщества на основе Krea 2 Turbo, подготовленная для локального запуска на устройствах в приложении Onyx. Модель предназначена для создания изображений по текстовым описаниям; базовая модель Krea 2 Turbo описана как текстово-графическая модель на 12 млрд параметров, рассчитанная на быстрый синтез по английским запросам. Сборка квантизована до 4 бит и использует формат MLX; в метаданных также указаны Diffusers и Safetensors. Это устаревшая версия сборки. Она основана на krea/Krea-2-Turbo, не одобрена Krea.ai, Inc. и распространяется по Krea 2 Community License Agreement; перед использованием следует ознакомиться с LICENSE.pdf и NOTICE.

Solstice V1 — производная от Krea 2 Turbo модель генерации изображений, опубликованная Raxephion. Она предназначена для создания изображений по текстовым описаниям с акцентом на кинематографичный фотореализм, гармоничную композицию и выразительную подачу объектов. По сравнению с базовой моделью она стремится передавать фантастические и стилизованные сцены как фотографии, а не иллюстрации или компьютерную графику. Модель подходит для портретов, фэнтези, киберпанка, экшена, неонуара и редакционных изображений. Она ориентируется на естественное кинематографичное освещение, насыщенную цветовую гамму, детализацию кожи, волос, ткани, металла и стекла, а также на ясную иерархию объектов в кадре. В README заявлена хорошая точность следования промпту и совместимость с LoRA персонажей. Доступны варианты FP8, BF16 и INT8 ConvRot; метаданные указывают библиотеку Diffusers и формат safetensors. Solstice основана на Krea 2 Turbo и создана с использованием независимо обученных LoRA, отобранных и объединённых с базовой моделью. Для использования применяются условия лицензии KREA 2; перед использованием весов следует ознакомиться с её официальными условиями. Автор отмечает, что возможности версии V1 для NSFW-контента нестабильны.

LTX-2.3-22b-IC-LoRA-In-Outpainting — адаптер IC-LoRA, разработанный Lightricks и обученный поверх базовой видеомодели LTX-2.3-22B. Модель предназначена для video-to-video обработки с использованием исходного видео и бинарной маски: она сохраняет немаскированные области и генерирует содержимое в выбранной области. Основные сценарии применения — inpainting, то есть удаление или замена объектов, людей, фона, лиц и элементов одежды внутри кадра, а также outpainting — расширение видеокадра по горизонтали или вертикали с правдоподобным продолжением сцены. Для обработки используется двухэтапный конвейер: сначала выполняется грубая генерация в маскированной области, затем уточняется граница с последующим смешиванием исходного и сгенерированного содержимого. Модель может работать без промпта или с кратким описанием только генерируемой области; исходный README указывает английский язык. Ключевое ограничение — высокая зависимость качества результата от маски. Для inpainting рекомендуется включать в неё тени, отражения, контактные области и другие причинно связанные элементы; для outpainting маска задаёт новую область холста. Выпущен один файл весов формата SafeTensors, который требует базовую модель LTX-2.3-22B и может использоваться, в частности, через ComfyUI. Модель распространяется по лицензии LTX-2-community-license; полные условия приведены в лицензии Lightricks.

MobileNet V1 — компактная модель компьютерного зрения, разработанная Andrew G. Howard и соавторами и впервые опубликованная в репозитории TensorFlow Models. Представленная версия предварительно обучена на ImageNet-1k для классификации изображений с разрешением 192×192 пикселя. Модель предназначена для сценариев, где важны небольшие задержки, низкое энергопотребление и ограниченные вычислительные ресурсы, включая мобильные и периферийные устройства. Архитектура MobileNet V1 оптимизирована по компромиссу между точностью, размером и скоростью работы. Версия с коэффициентом ширины 0.75 предсказывает 1001 класс: 1000 классов ImageNet и дополнительный класс background. Основное назначение — классификация изображений; архитектура также может служить основой для обнаружения объектов, построения эмбеддингов и сегментации после соответствующей адаптации или дообучения. В README указана поддержка PyTorch. Данные о языках и максимальном контексте неприменимы к этой модели. Сильные стороны модели — компактность, низкая задержка и пригодность для запуска на устройствах с ограниченными ресурсами. Ограничения включают компромисс между эффективностью и точностью, а также то, что исходная версия предназначена непосредственно для классификации ImageNet и может потребовать дообучения для других доменов и задач. Лицензия указана как other, без дополнительных подробностей.

Fiorino Nano — компактная модель для классификации табличных данных от Nanite Labs. Это модель с примерно 4,5 млн параметров, обученная на синтетических и исторических табличных данных. Она использует обучение в контексте: принимает размеченные строки как контекст и предсказывает классы для новых строк одним проходом без дообучения на задаче. Архитектура включает групповые токены ячеек, внимание по признакам и примерам, обучаемые представления типов и идентификаторов столбцов, канал пропусков и 24 внутренних строки вычислений. Модель предназначена для классификации таблиц и может применяться для прогнозирования категориальных исходов на новых наборах данных. В README приведены результаты на бенчмарках: средний macro ROC-AUC 0,818 на TabArena-38 и точность 0,87 в пробе обучения на новых задачах; эти показатели относятся к указанным протоколам и не гарантируют результат на произвольных данных. Контекст ограничен 2048 строками с подвыборкой и примерно 44 признаками. Модель также уступает случайному лесу на задачах регрессии, но этот репозиторий описывает классификационный вариант. Веса распространяются по лицензии MIT; лицензии обучающих архивов могут ограничивать их использование.

huggingworld/onnx-image-models — подборка моделей для увеличения разрешения и восстановления изображений. В README перечислены варианты с масштабированием в 2× и 4×, включая UltraSharp, PurePhoto, ClearReality, Nomos8k, LSDIR и Real-ESRGAN, а также облегчённые варианты для мобильных устройств и обработки в реальном времени. Репозиторий содержит форматы ONNX и safetensors; лицензия — MIT. Модели предназначены для повышения детализации фотографий и иллюстраций, уменьшения заметности JPEG-артефактов и обработки портретов. README рекомендует UltraSharp V2 для общего применения, PurePhoto RealPLSKR для фотографий, Nomos8k DAT для сильно сжатых изображений, а ClearReality и PurePhoto SPAN — при ограниченных ресурсах. Это каталог нескольких моделей, поэтому качество и скорость зависят от выбранного варианта; заявленные рейтинги основаны на README и не сопровождаются описанием методики сравнения.

PartCrafter Scene — модель генерации структурированных 3D-сцен по одному RGB-изображению. Она совместно создаёт несколько частей и объектов за один проход; репозиторий содержит предварительно обученные веса сценового уровня в формате Diffusers и Safetensors. В названии работы указана архитектура compositional latent diffusion transformers. Модель предназначена для преобразования изображения в составную 3D-сцену с несколькими объектами и частями. Данные о размере, поддерживаемых языках и длине контекста неприменимы к описанному сценарию генерации. Модель разработана авторами PartCrafter. Репозиторий распространяется по лицензии MIT. Карточка направляет за подробностями использования к официальному репозиторию проекта.