IV.1Ритейл, электронная коммерция и fashion-tech

Модель ivanovsdesign/sbert-ru-huawei-sentiment-fine-additional — русскоязычная модель классификации текста на архитектуре BERT, разработанная на основе дообученной модели ivanovsdesign/sbert-ru-huawei-sentiment-fine-up. Она предназначена для определения тональности текстов, в частности отзывов о Huawei. Модель содержит 525,7 млн параметров, принимает текст длиной до 512 токенов и выдаёт метку класса. В репозитории веса представлены в формате safetensors. В README приведены результаты валидации: accuracy 0,676, macro-F1 0,469 и weighted-F1 0,653. Эти показатели указывают на ограниченное качество классификации, особенно при оценке по macro-F1; перед применением в критичных сценариях модель следует проверить на целевых данных. Сведения о лицензии в предоставленных данных отсутствуют.

Stable Diffusion x2 latent upscaler — модель диффузионного повышения разрешения в латентном пространстве, разработанная Кэтрин Кроусон совместно со Stability AI. Она принимает латентное представление изображения Stable Diffusion, повышает его разрешение в два раза, после чего результат декодируется в изображение. Модель можно применять к промежуточным латентам генерации или к изображению, предварительно закодированному в латентное пространство; она предназначена для работы с чекпойнтами Stable Diffusion и интегрируется через Diffusers. Модель обучена на высокоразрешающей подвыборке LAION-2B и распространяется в форматах Diffusers, PyTorch и safetensors по лицензии CreativeML Open RAIL++-M. Карточка указывает английский как язык обучения подписям; качество работы с другими языками может быть ниже. Среди ограничений — потери при автоэнкодировании, несовершенная фотореалистичность, трудности с лицами и сложной композицией, а также нечитаемый текст на изображениях. Данные обучения могли содержать взрослый, сексуальный и насильственный контент, хотя для частичного снижения риска применялся фильтр NSFW.

caidas/swin2SR-classical-sr-x2-64 — модель Swin2SR для увеличения разрешения изображений в 2 раза. Она основана на архитектуре SwinV2 Transformer и предназначена для восстановления и улучшения изображений при суперразрешении. Модель принимает изображение и выдаёт его версию с увеличенным разрешением. Карточка указывает сценарий суперразрешения, но не приводит сведения о специализации по языкам, поскольку модель работает с изображениями. Веса доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

TRELLIS Text Base — текстовая версия модели TRELLIS для генерации 3D-объектов по описанию. Модель разработана Microsoft и представлена в работе «Structured 3D Latents for Scalable and Versatile 3D Generation». В карточке указаны размер B и библиотека trellis. Модель предназначена для преобразования текстовых запросов в 3D-генерации. Репозиторий содержит веса в формате safetensors. Лицензия — MIT, допускающая использование в соответствии с её условиями. Карточка не раскрывает подробности архитектуры, длину контекста или конкретные ограничения качества и применения.

TripoSplat MLX — MLX-реализация TripoSplat для устройств Apple Silicon, опубликованная mlx-community. Модель предназначена для преобразования изображений в 3D-представления с использованием 3D Gaussian Splatting и экспорта в форматы .ply, .splat и .spz. Репозиторий содержит порты DinoV3 ViT-H/16+ для кодирования изображений, VAE FLUX.2 и 24-блочного мультимодального flow-трансформера LatentSeqMMFlowModel. Декодер OctreeGaussianDecoder работает через PyTorch MPS; для полного конвейера также используются FLUX.2-klein-9B и BiRefNet. Веса включают файлы safetensors объёмом от 336 МБ до 1,6 ГБ. Код MLX-порта распространяется по лицензии MIT. Для VAE FLUX.2 действует отдельное ограничение: коммерческое использование весов или их выходов требует платной лицензии Black Forest Labs. Модель ориентирована на экосистему Apple Silicon; сведения о поддерживаемых языках не относятся к её основной задаче.

Alignment-Lab-AI/Vid — репозиторий модели LTX-Video, разработанной Lightricks. Это диффузионная модель для генерации видео по изображению; в карточке также описан режим генерации видео с несколькими визуальными условиями. Модель построена на архитектуре DiT и предназначена для создания реалистичных видеосцен. Для семейства указаны варианты на 2B и 13B параметров, включая ускоренные дистиллированные версии; размер именно этого репозитория в доступных данных не указан. В README заявлена генерация видео с частотой 30 кадров/с и разрешением до 1216×704 в реальном времени. Для работы с моделью подходят разрешения, кратные 32, и число кадров вида 8n+1; рекомендуются разрешения до 720×1280 и ролики короче 257 кадров. Запросы рекомендуется формулировать на английском, причём качество следования запросу зависит от стиля и подробности описания. Модель может не точно передавать запрос, не предназначена для выдачи фактической информации и может усиливать социальные предубеждения. Метаданные указывают лицензию other; README перечисляет лицензии для вариантов семейства, но конкретные условия для этого репозитория требуют проверки соответствующего лицензионного документа.

after-real-xl-beta2-sdxl — модель преобразования текста в изображение, опубликованная пользователем John6666 на Hugging Face. Она основана на Stable Diffusion XL и предназначена для генерации изображений по текстовым описаниям через библиотеку Diffusers с использованием StableDiffusionXLPipeline. Модель распространяется в формате safetensors. Модель подходит для создания изображений по промптам, концепт-артов, иллюстраций и визуальных экспериментов. В README указано, что исходная модель размещена на Civitai. Лицензия обозначена как other, поэтому перед использованием необходимо ознакомиться с условиями распространения исходной модели и данной версии.

Bedovyy/Anima-FP8 — квантизированная версия модели Anima, разработанной circlestone-labs. Модель предназначена для генерации изображений по текстовому описанию и ориентирована на использование в ComfyUI; в карточке она обозначена как diffusion-single-file с pipeline text-to-image. Модель содержит варианты квантизации FP8 и MXFP8, выполненные с помощью comfy-dit-quantizer. Указаны тесты на RTX 5090 в ComfyUI: при разрешении 832×1216, 30 шагах и CFG 5.0 вариант FP8 показал 4,52 секунды на изображение против 5,03 секунды у BF16, а MXFP8 — 4,71 секунды. Для запуска torch.compile рекомендуется режим max-autotune-no-cudagraphs с отключённым dynamic. Карточка не содержит сведений о точной архитектуре, размере модели, поддерживаемых языках, максимальном контексте и модальностях, кроме генерации изображений из текста. Квантизация может повысить скорость и снизить требования к памяти, однако возможны отличия качества от исходной версии Anima. Модель распространяется по circlestone-labs-non-commercial-license и предназначена только для некоммерческого использования.

ControlLight — модель для управляемого улучшения изображений при слабом освещении, представленная авторами статьи «ControlLight: Towards Controllable, Consistent, and Generalizable Low-Light Enhancement». Она основана на FLUX.2 [klein] 9B и обучена как LoRA на наборе Light100K. Модель принимает изображение и повышает его освещённость, стремясь сохранить структуру сцены, визуальное содержание и мелкие детали. Силу улучшения можно задавать параметром alpha от 0 до 1: большее значение даёт более сильное осветление. В README рекомендуются 20 шагов вывода, guidance scale 1.0 и тип данных bfloat16; для работы указан CUDA и модифицированная локальная версия diffusers. Репозиторий распространяется по лицензии Apache-2.0. Модель предназначена для улучшения изображений в условиях недостаточного освещения; её описание не подтверждает поддержку иных задач редактирования изображений.

dimitribarbot/controlnet-openpose-sdxl-1.0-safetensors — это копия модели thibaud/controlnet-openpose-sdxl-1.0 в формате Safetensors, предназначенная для прямого использования через библиотеку Diffusers. Модель разработана на основе stabilityai/stable-diffusion-xl-base-1.0 и содержит веса ControlNet, обученные на условиях OpenPose v2. Модель применяется для управляемой генерации изображений по текстовому описанию с сохранением позы и положения тела, заданных OpenPose-картой. Она подходит для сценариев, где требуется контролировать позу персонажа, например для создания изображений людей, танцоров или персонажей в заданной сцене. Для работы используются SDXL ControlNet Pipeline и предварительно обработанное изображение с ключевыми точками OpenPose. В README не указаны точный размер модели, поддерживаемые языки и максимальная длина контекста. Обучение проводилось в течение 15 000 шагов на подмножестве LAION 6a с изменением размера изображений до минимального измерения 768 пикселей, на одной GPU A100; использовались размер батча 2 с накоплением градиента 8, fp16 и постоянная скорость обучения 8e-5. Модель ориентирована на генерацию изображений, поэтому её результат зависит от качества OpenPose-условия и текстового запроса. Лицензия обозначена как other и, согласно README, относится к лицензии OpenPose.

ControlNet Union SDXL 1.0 ProMax — модель ControlNet для генерации и редактирования изображений на базе Stable Diffusion XL. Она предназначена для сценариев text-to-image и image-to-image, в которых требуется управлять композицией, позой, структурой или другими визуальными характеристиками результата с помощью управляющих сигналов ControlNet. В карточке указано, что модель является копией оригинальной модели xinsir/controlnet-union-sdxl-1.0, опубликованной пользователем brad-twinkl под переименованным идентификатором. Модель объединяет поддержку 12 типов управления и 5 расширенных режимов редактирования, однако конкретный перечень режимов, архитектурные параметры, размер, поддерживаемые языки и максимальный контекст в README не приведены. Она ориентирована на использование с экосистемой Diffusers и задачами генерации изображений, где требуется более точный контроль над результатом по сравнению с обычной генерацией по текстовому описанию. Ограничения и требования к вычислительным ресурсам отдельно не указаны. Лицензия модели — Apache-2.0.

Карточка модели lc700x/depth-anything-indoor-large-hf на Hugging Face совпадает с карточкой LiheYoung/depth-anything-large-hf, поэтому описание составлено по ней. Depth Anything — крупная модель для оценки глубины по изображениям, представленная Lihe Yang и соавторами. Эта версия подготовлена для библиотеки Transformers и использует архитектуру DPT с backbone DINOv2. Модель обучена на примерно 62 миллионах изображений и предназначена для оценки относительной и абсолютной глубины, в том числе в zero-shot сценариях. Она выдаёт карту глубины для входного изображения и может применяться в задачах компьютерного зрения и анализа сцен. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

b09501048/detr2 — дообученная модель обнаружения объектов на базе b09501048/detr. Она использует архитектуру DETR и предназначена для поиска людей, лиц, частей тела и различных предметов на изображениях. В оценке модели приведены результаты для классов «человек», «лицо», «голова», «руки», «ухо», а также средств защиты и других предметов; качество заметно различается между классами, а общая mAP составляет 0,1051. Модель принимает изображения и возвращает найденные объекты с ограничивающими рамками и метками классов. Размер — 6,3 млн параметров; файлы представлены в формате safetensors и рассчитаны на библиотеку Transformers. Лицензия — Apache-2.0. Датасет дообучения не назван, поэтому результаты оценки не позволяют определить, насколько модель подходит для иных изображений и условий съёмки.

Diffuman4D — модель для синтеза новых ракурсов человеческих выступлений по видео с небольшим числом исходных ракурсов. Она предназначена для высококачественного рендеринга человека с возможностью свободно выбирать точку обзора и сохранять пространственно-временную согласованность кадров. Модель основана на дообученной Stable Diffusion 2.1 и использует пространственно-временную диффузию. Репозиторий распространяет веса в форматах Diffusers и safetensors; задача в метаданных — video-to-video. Подробные инструкции по запуску вынесены в репозиторий проекта. Модель ориентирована на генерацию многовидового видео человеческих движений и аватаров. Лицензия — OpenRAIL++; условия и ограничения использования следует сверять с её текстом.

XLabs-AI/flux-RealismLora — это адаптер LoRA, разработанный командой XLabs AI для модели FLUX.1-dev от Black Forest Labs. Адаптер предназначен для генерации изображений по текстовому описанию с усиленной фотореалистичностью и может применяться в сценариях создания реалистичных художественных, рекламных и концептуальных изображений. Модель является дополнением к FLUX.1-dev, а не самостоятельной базовой моделью. В README указано, что она работает с текстовыми промптами и интегрируется в соответствующие workflows, включая ComfyUI. Приведённые примеры демонстрируют генерацию персонажей, сцен в кинематографическом стиле, фэнтезийных и иллюстративных изображений. Точный размер адаптера, архитектурные параметры, максимальная длина контекста, поддерживаемые языки и дополнительные модальности не указаны; в метаданных заявлен английский язык. К сильным сторонам относятся специализация на фотореалистичном визуальном стиле и возможность использовать адаптер поверх FLUX.1-dev, сохраняя управление результатом через текстовые промпты. Ограничения связаны с зависимостью от базовой модели и отсутствием подробных сведений о качестве, весе адаптера и рекомендуемых параметрах инференса. Файл lora.safetensors распространяется по некоммерческой лицензии FLUX.1-dev; коммерческое использование README не разрешает.

Модель drstupidity/granite-3.3-2b-customer-support — адаптер LoRA для диалоговой языковой модели IBM Granite, дообученный на наборе Bitext для ответов на обращения клиентов. Она предназначена для генерации вежливых и эмпатичных ответов в профессиональном тоне, с конкретными дальнейшими шагами, если они уместны. Обучение использовало формат чата базовой модели и примеры с одним сообщением клиента; адаптер можно применять с ibm-granite/granite-3.3-2b-instruct. Архитектура — плотная GraniteForCausalLM, около 2,5 млрд параметров у базовой модели; контекст базовой модели составляет 131 072 токена. Репозиторий содержит веса в формате Safetensors. Модель обучалась на синтетических англоязычных данных поддержки клиентов, а системный промпт можно менять или опускать. Лицензия — Apache-2.0. Модель не обучалась на многоходовых диалогах и не подключена к аккаунтам или другим системам компании. Её ответы о заказах, политиках и пользовательских данных нельзя считать проверенными: даже при обучении не выдумывать такие сведения это не гарантируется. Англоязычные данные обучения делают нерусский ввод вне распределения. В README также описан отдельный защитный слой сервиса, но он не входит в веса модели.

Ideogram 4 TurboTime LoRA — адаптер LoRA для базовой модели Ideogram 4 FP8, разработанный пользователем ostris. Он предназначен для ускорения генерации изображений из текстовых описаний в экосистеме Diffusers и ориентирован на сценарии, где важны короткое время вывода и небольшое число шагов семплирования. Адаптер позволяет получать изображения приемлемого качества примерно за 2 шага без использования CFG и без unconditional model; в README также приведены примеры генерации на 8 шагах. Конкретные сведения об архитектуре базовой модели, размере, поддерживаемых языках, контекстном окне и дополнительных модальностях не указаны. Метод turbo training находится в разработке и может получать обновления, поэтому качество и стабильность могут изменяться. Распространение регулируется лицензией ideogram-4-non-commercial; коммерческое использование не разрешено согласно указанному типу лицензии.

Krea 2 Raw — базовая версия модели генерации изображений по текстовому описанию, разработанная Krea.ai, Inc. Это диффузионная модель с архитектурой Diffusion Transformer и 12 млрд параметров. Модель принимает текстовые запросы на естественном языке и создаёт изображения; в карточке приведён пример генерации изображения размером 1024 × 1024. Метаданные указывают поддержку английского языка и использование библиотеки Diffusers. Raw — исходный чекпойнт семейства Krea 2 до дополнительного постобучения и тонкой настройки. Разработчик отмечает, что он не рекомендован для обычного инференса и подходит как база для дообучения, в том числе для создания LoRA, которые затем можно применять с Krea 2 Turbo. Модель предназначена для творческой работы, разработки и исследовательских сценариев: создания изображений, визуальных концепций и интеграции в приложения и инструменты для дизайна. Модель выпущена с открытыми весами по лицензии Krea 2 Community License; применение регулируется также Acceptable Use Policy, которая требует подходящих мер фильтрации или проверки контента. Генерация может не соответствовать запросу и давать нежелательные результаты; модель не предназначена для получения фактической информации. Перед внедрением разработчикам следует проверить её безопасность и настроить защитные меры для своего сценария.

AX1Y2JP/Krea-2-Raw-INT8-ConvRot — это квантизированная версия модели Krea 2 Raw, разработанной Krea. Модель предназначена для генерации изображений по текстовому описанию и интеграции с ComfyUI; она использует библиотеку Diffusers и относится к классу text-to-image. Ключевая особенность модели — квантизация до INT8 с применением ConvRot и консервативной политики квантизации. Исходной моделью является krea/Krea-2-Raw, а отношение к ней указано как quantized. Дополнительные сведения об архитектуре, размере, поддерживаемых языках, модальностях и длине контекста в README не приведены. Модель распространяется по Krea 2 Community License Agreement. Условия лицензии доступны по адресу https://krea.ai/krea-2-licensing. В README инференс не заявлен как готовый или протестированный.

F16/krea2-turbo-sda — адаптер LoRA ранга 32 для модели генерации изображений Krea 2 Turbo. Автор или организация-разработчик адаптера в README явно не указаны; базовая модель принадлежит семейству Krea и обозначена как krea/Krea-2-Turbo. Адаптер предназначен для text-to-image в Diffusers и восстанавливает разнообразие результатов, утраченное при Turbo-дистилляции, без заметного ухудшения качества и соответствия промпту. Метод основан на Semantic Directional Alignment (SDA) — выравнивании направлений семантических изменений под руководством teacher-модели Krea 2 RAW — и обучении с исследованием кандидатов Forward XM best-of-5. Адаптер рассчитан на 8-шаговый график денойзинга Krea 2 Turbo и должен быть активен только на первых двух шагах при σ = 0.9567, после чего его необходимо отключать. При постоянном применении на всех шагах возможно существенное ухудшение качества изображения. README не сообщает поддерживаемые языки или максимальный контекст; по назначению адаптер ориентирован на текстовые промпты для генерации изображений. По приведённой оценке адаптер увеличивает разнообразие между изображениями при разных seed примерно на 34–85% по нескольким метрикам, сохраняя качество на уровне базовой модели и статистически сопоставимое соответствие промпту. Ограничения включают обязательное пошаговое управление активацией LoRA, необходимость совместимой версии Diffusers и корректного формата весов для Diffusers или ComfyUI. Лицензия указана как krea-2-community-license; конкретные условия следует уточнять по ссылке на лицензию.

Krea Realtime 14B — модель генерации видео от Krea, полученная дистилляцией Wan 2.1 14B с помощью метода Self-Forcing, который превращает обычную диффузионную модель видео в авторегрессионную. Она предназначена для потоковой генерации видео по тексту и преобразования входного видео, включая видео с камеры и графические примитивы. Модель поддерживает интерактивную работу: во время генерации можно менять запрос и стиль видео, а первый кадр появляется примерно за секунду. В README заявлена скорость генерации 11 кадров в секунду при четырёх шагах вывода на одном GPU NVIDIA B200. Для уменьшения накопления ошибок используются KV Cache Recomputation и KV Cache Attention Bias; также описаны оптимизации памяти для авторегрессионной диффузии видео. Модель доступна в формате safetensors и применяется через diffusers. Лицензия — Apache-2.0.

joeynyc/Ming-Image-0.1-Design-mflux-q8-te8 — конверсия модели Ming-Image-0.1-Design для запуска через mflux на Apple Silicon. Это модель генерации изображений по текстовому описанию, ориентированная на графический дизайн: плакаты, открытки, пользовательские интерфейсы и изображения с типографикой. Она формирует изображения с альфа-каналом RGBA. Вариант использует 8-битные веса DiT и текстового энкодера, 8-битный Qwen2 connector и bf16 projection heads; репозиторий занимает около 25,2 ГБ. README сообщает, что реализация сверялась поэтапно с официальным PyTorch-пайплайном, а сохранение 8-битной точности DiT выбрано для качества крупной надписи. Для текстового энкодера требуется примерно 18,5 ГБ памяти на этапе кодирования; автор рекомендует Mac с 32 ГБ памяти или больше. Для запуска нужна версия mflux с поддержкой семейства Ming-Image. Модель основана на inclusionAI/Ming-Image-0.1-Design, лицензия — MIT.

MobileNet V2 — компактная сверточная модель классификации изображений, разработанная Mark Sandler, Andrew Howard, Menglong Zhu, Andrey Zhmoginov и Liang-Chieh Chen. Этот вариант предварительно обучен на ImageNet-1k и рассчитан на входные изображения размером 160×160 пикселей; множитель глубины модели — 0,75. В репозитории представлены веса PyTorch. Модель предназначена для присвоения изображению одного из 1000 классов ImageNet. Компактность и низкая задержка делают её подходящей для классификации на мобильных устройствах и в сценариях с ограниченными вычислительными ресурсами. MobileNet V2 также может служить основой для дообучения под классификацию, обнаружение объектов, получение эмбеддингов и сегментацию, но эти задачи не являются назначением данного чекпойнта без дополнительной адаптации. В README не приведены отдельные показатели точности для этого варианта. Лицензия указана как «other», поэтому условия использования следует сверить с файлами лицензии репозитория.

HudeKing/PixVL-model-c-bestcap-cyclegrpo — публичный экспорт модели PixVL, разработанный на основе Qwen3-VL-4B-SAMTok. Это плотная мультимодальная модель семейства Qwen3-VL с архитектурой Qwen3VLForConditionalGeneration; репозиторий содержит полный экспорт для Hugging Face в формате safetensors. В метаданных основная задача указана как сегментация изображений. Модель предназначена для исследовательского применения и может использоваться для сегментации изображений. README указывает, что она следует лицензии и ограничениям использования исходной модели; в метаданных для репозитория указана лицензия MIT.

samvit_huge_patch16.sa1b — визуальный backbone Segment Anything ViT, опубликованный авторами timm. Модель содержит 637 млн параметров и предварительно обучена на SA-1B для задач сегментации с инициализацией весов из MAE. Она предназначена для извлечения признаков и эмбеддингов изображений, а также для использования как основы при дообучении. Голова сегментации в репозитории отсутствует, поэтому сама модель не выдаёт готовые маски объектов. Модель принимает изображения размером 1024 × 1024 и возвращает визуальные признаки. Репозиторий распространяется в форматах PyTorch и safetensors; лицензия — Apache 2.0. Высокая вычислительная сложность (2982,2 GMAC) может ограничивать применение на устройствах с небольшими ресурсами.

Карточка модели radames/sd-x2-latent-upscaler-img2img на Hugging Face совпадает с карточкой stabilityai/sd-x2-latent-upscaler, поэтому описание составлено по ней. Stable Diffusion x2 latent upscaler — модель диффузионного повышения разрешения в латентном пространстве, разработанная Кэтрин Кроусон совместно со Stability AI. Она принимает латентное представление изображения Stable Diffusion, повышает его разрешение в два раза, после чего результат декодируется в изображение. Модель можно применять к промежуточным латентам генерации или к изображению, предварительно закодированному в латентное пространство; она предназначена для работы с чекпойнтами Stable Diffusion и интегрируется через Diffusers. Модель обучена на высокоразрешающей подвыборке LAION-2B и распространяется в форматах Diffusers, PyTorch и safetensors по лицензии CreativeML Open RAIL++-M. Карточка указывает английский как язык обучения подписям; качество работы с другими языками может быть ниже. Среди ограничений — потери при автоэнкодировании, несовершенная фотореалистичность, трудности с лицами и сложной композицией, а также нечитаемый текст на изображениях. Данные обучения могли содержать взрослый, сексуальный и насильственный контент, хотя для частичного снижения риска применялся фильтр NSFW.

OzzyGT/sdxl-ip-adapter — копия весов IP-Adapter для SDXL, опубликованная OzzyGT на Hugging Face. Репозиторий содержит варианты IP-Adapter, IP-Adapter Plus, Plus Face и Composition с энкодером изображений; Composition позволяет сочетать несколько адаптеров в одном репозитории. Модель предназначена для генерации изображений по текстовому запросу с дополнительным влиянием одного или нескольких референсных изображений, в том числе для композиции и портретов. Автор указывает совместимость с Image Artisan XL. Это компонент для Diffusers, а не самостоятельная базовая модель генерации: для работы нужны совместимый SDXL-чекпойнт и соответствующая обвязка. Веса размещены в формате safetensors, лицензия — Apache-2.0. В README примеры приведены в виде пустых таблиц без результатов, поэтому качество и сравнительное поведение вариантов по ним оценить нельзя.

Swin2SR — модель компьютерного зрения на архитектуре SwinV2 Transformer для повышения разрешения изображений в 4 раза. Карточка указывает, что эта версия предназначена для восстановления изображений в реальных условиях; модель представлена как реализация работы Conde и соавторов о повышении разрешения и восстановлении сжатых изображений. Модель принимает изображение и создаёт его версию с увеличенным разрешением, что подходит для улучшения качества снимков и изображений с низким разрешением. В репозитории указаны веса PyTorch. Модель распространяется по лицензии Apache-2.0.

h1t/TCD-SD15-LoRA — LoRA-адаптер для модели Stable Diffusion v1.5, разработанный как официальная реализация метода Trajectory Consistency Distillation из одноимённой научной работы. Адаптер предназначен для ускоренной генерации изображений по текстовому описанию в экосистеме Diffusers и используется совместно с базовой моделью runwayml/stable-diffusion-v1-5. Модель поддерживает текстовую модальность на входе и генерацию изображений на выходе. В README указано, что для работы используются StableDiffusionPipeline, TCDScheduler и подключение LoRA-весов; пример демонстрирует генерацию за 4 шага диффузии с guidance_scale, равным 0. Параметр eta управляет уровнем стохастичности, а рекомендуемое значение 0,3 часто даёт хорошие результаты. Языки, размер адаптера и максимальная длина контекста не указаны. Сильная сторона модели — возможность существенно сократить число шагов инференса по сравнению с обычной генерацией Stable Diffusion, сохраняя сценарий управления результатом через текстовый промпт. Для использования требуется базовая модель Stable Diffusion v1.5 и совместимый пайплайн Diffusers; качество зависит от базовой модели, промпта, числа шагов и параметра eta. Модель распространяется по лицензии MIT.

vit-age-classifier — классификатор изображений на базе Vision Transformer (ViT), опубликованный пользователем ibombonato. Модель содержит 113,2 млн параметров и предназначена для отнесения изображений к возрастным категориям. Репозиторий создан с помощью HuggingPics, инструмента для обучения собственных классификаторов изображений. Модель принимает изображения и выдаёт метку класса; веса представлены в формате PyTorch. В карточке нет сведений о наборе возрастных категорий и качестве классификации, поэтому перед применением стоит проверить её на данных целевой аудитории. Лицензия в предоставленных данных не указана.