IV.1Ритейл, электронная коммерция и fashion-tech

NO8D/HighResolution — это LoRA-модель для повышения чёткости и разрешения изображений при сохранении их исходного содержания. Разработчик указан как независимый автор моделей и workflow; его имя в README не приводится. Модель предназначена для image-to-image обработки небольших, низкокачественных или размытых изображений, а также изображений, созданных генеративными моделями. Модель основана на FLUX.2-klein-4B и FLUX.2-klein-9B и относится к семейству diffusion LoRA. Это специализированная модель для обработки изображений, а не text-to-image LoRA: она не предназначена для генерации изображений только по текстовому описанию. Для Krea2 требуется дополнительный узел Krea2edit, поскольку в Krea2 отсутствует встроенная функция редактирования. В README также указаны варианты для Klein 4B, Klein 9B и Krea2Edit, а также триггерные фразы для соответствующих workflow. Заявленная сильная сторона модели — улучшение детализации без существенного изменения содержания изображения, что может быть полезно при восстановлении и увеличении изображений. При этом README не содержит количественных оценок качества, требований к разрешению, параметров запуска, сведений о поддерживаемых языках или точных ограничениях сохранения содержания, поэтому результат зависит от базовой модели и настроек workflow. Лицензия обозначена как flux-1-dev-non-commercial-license и ограничивает использование некоммерческими условиями, указанными правообладателем по ссылке в README.

Hollow Earth — модель генерации изображений по текстовому описанию, созданная автором Yntec. Она получена смешиванием AgarthaChadstyle с XenoEngineV3 и включением в веса LoRA Aperture V2 Style V1; автор отмечает, что рецепт не гарантирует улучшения композиции или стиля. Модель предназначена для создания портретов, кинематографичных сцен и стилизованных изображений, включая сюрреалистичные сюжеты и последовательное изображение персонажа. Модель использует Stable Diffusion через Diffusers и распространяется в форматах Diffusers и Safetensors. Лицензия — CreativeML OpenRAIL-M. В примерах карточки показаны мягкое кинематографичное освещение, детализированная текстура кожи и приглушённые тона. Результат зависит от промпта и настроек генерации; гарантии превосходства над исходными моделями автор не заявляет.

Incredible World — модель генерации изображений по текстовому описанию в формате Diffusers. Карточка приводит пример праздничной сцены с отцом и дочерью, пивоварней, Санта-Клаусом и атрибутами Хэллоуина; метаданные относят модель к Stable Diffusion и указывают форматы Diffusers и safetensors. Модель предназначена для создания реалистичных и художественных изображений по промптам, в том числе сцен с людьми, предметами и праздничной атмосферой. В метаданных указана лицензия CreativeML OpenRAIL-M. Сведения о размере модели, контексте и специальных ограничениях в доступных данных отсутствуют.

misri/leosamsHelloworldXL_helloworldXL60 — модель генерации изображений по текстовому описанию в формате Diffusers на архитектуре Stable Diffusion XL. Репозиторий содержит веса в формате safetensors и компоненты пайплайна SDXL. Поиск по названию связывает веса с HelloWorld XL 6.0 от LeoSam; автор карточки — misri. Модель предназначена для создания изображений по текстовым промптам. Карточка показывает пример генерации изображения через Diffusers. Данных о поддерживаемых языках промптов, размере параметров, контексте и подробных сильных сторонах нет. Лицензия в карточке указана как unknown, поэтому условия использования по доступным сведениям определить нельзя.

LumynaX OCR TrOCR Large Printed — ранний эксперимент AbteeX AI Labs на базе microsoft/trocr-large-printed для распознавания печатного текста на изображениях. Модель использует архитектуру vision-encoder-decoder и доступна для работы через Transformers; веса сохранены в форматах PyTorch и Safetensors. Модель предназначена для OCR печатного текста, например для извлечения текста из изображений строк и чеков. В этом выпуске базовая модель подключена через маршрутизацию во время выполнения и интеграцию идентичности; веса исходной модели не изменены. Модель ориентирована на английский и маори. Лицензия — MIT. Это устаревший, не поддерживаемый выпуск, который авторы не рекомендуют для производственного использования. README характеризует его как исторический исследовательский артефакт, а не как отражение актуальных возможностей LumynaX.

MeinaMix V12 Final — финальная версия модели для генерации изображений по текстовому описанию. Автор сообщает, что далее будет работать только с SDXL, а эта версия стала стабильнее и позволяет использовать менее сильные негативные промпты, сохраняя более творческий результат. Усиление негативных промптов смещает генерацию в сторону реализма. Модель распространяется в форматах Diffusers и safetensors и использует Stable Diffusion. Лицензия — CreativeML OpenRAIL-M.

Mitra Classifier — табличная фундаментальная модель, разработанная проектом AutoGluon. Это 12-слойный Transformer с 72 млн параметров, предварительно обученный на синтетических наборах данных, сгенерированных на основе смеси случайных классификаторов. Модель использует обучение в контексте и предназначена для классификации табличных данных. Модель распространяется в формате safetensors по лицензии Apache-2.0 и подключается через компонент AutoGluon Tabular. Описание не уточняет поддерживаемые типы признаков, размер таблиц или метрики качества.

MobileViTv2-1.0-ImageNet1K-256 — модель классификации изображений на базе архитектуры MobileViTv2, разработанная Apple. В MobileViTv2 механизм многоголового self-attention из MobileViT заменён на разделимое self-attention; веса подготовлены для классификации по 1000 классам ImageNet-1k, на котором модель предварительно обучена. Репозиторий содержит веса PyTorch для библиотеки Transformers. Модель подходит для присвоения изображениям меток ImageNet, например для базовой классификации объектов в мобильных и компьютерно-зрительных приложениях. Карточка указывает лицензию Apple Sample Code License. Ограничение: модель ориентирована на классы ImageNet-1k; для других наборов классов или специализированных задач может потребоваться дообученная версия.

Карточка модели luongphamit/NeverEnding-Dream2 на Hugging Face совпадает с карточкой phatho/NeverEnding-Dream, поэтому описание составлено по ней. NeverEnding-Dream — модель для генерации изображений по текстовому описанию, опубликованная пользователем phatho на Hugging Face. Репозиторий использует формат Diffusers и содержит веса PyTorch в формате safetensors; в метаданных указана задача text-to-image и английский язык. README не содержит сведений об архитектуре, размере модели, рекомендуемых сценариях, настройках генерации или происхождении весов. Лицензия указана как other, поэтому конкретные условия использования по доступным данным определить нельзя.

misri/plantMilkModelSuite_walnut — модель генерации изображений по текстовому описанию, опубликованная пользователем misri на Hugging Face. Она предназначена для создания растровых изображений из промптов и запускается через библиотеку Diffusers. Модель реализована как StableDiffusionXLPipeline на базе диффузионной архитектуры Stable Diffusion XL: используются условная UNet, VAE, два CLIP-текстовых энкодера и планировщик EulerAncestralDiscreteScheduler. Формат весов — Safetensors; заявленный pipeline — text-to-image. Языки естественных текстовых запросов, размер модели и длина контекста в доступных данных не указаны. Модель подходит для генерации концепт-артов, иллюстраций и других изображений по текстовым промптам. README карточки пуст, поэтому специализированную направленность, дополнительные улучшения качества и ограничения применения подтвердить нельзя. Лицензия указана как unknown, поэтому условия использования требуют проверки у автора.

ddalcu/Qwen-Image-2.1-MLX-Serve-8bit — 8-битная квантованная версия Qwen/Qwen-Image-2.1, подготовленная ddalcu для запуска через mlx-serve на компьютерах Mac с 32 ГБ памяти. Это модель преобразования текста в изображения; также поддерживается сценарий image-to-image с передачей исходного изображения и параметра strength. Текстовый энкодер и линейные слои DiT квантованы до 8 бит с группой 64, а VAE, embed_tokens, нормализации и некоторые небольшие или общие линейные слои сохранены в плотном виде. Зрительная башня Qwen3-VL и lm_head удалены, поскольку модель предназначена только для генерации изображений. Размер пакета составляет 17,6 ГБ. Согласно измерениям на Mac с M1 Pro и 32 ГБ памяти, генерация изображения 1024×1024 за 40 шагов занимает около 985 секунд, а пиковое потребление памяти достигает 12,95 ГБ. mlx-serve загружает текстовый энкодер отдельно для каждого запроса и освобождает его перед денойзингом, поэтому постоянно используемая память приходится главным образом на DiT и VAE. При задании guidance_scale выше 1 вместе с negative_prompt применяется полноценный CFG, требующий двух проходов на шаг. Модель подходит для локальной генерации изображений по текстовым описаниям на совместимых Mac-системах, но на момент публикации README не поддерживается выпущенными версиями mlx-serve или MLX Core и требует специальной ветки feat/qwen-image-2.1. Лицензия — Apache-2.0, такая же, как у базовой модели.

Realistic Universal Base Build (RUBB) 2.1.0 — модель генерации изображений по текстовому описанию, созданная Adrian Bacon на основе Stable Diffusion 1.x. Автор собрал её из нескольких реалистичных чекпойнтов, применяя дистилляцию и слияние; среди указанных компонентов — RunDiffusion FX Photorealistic, EpicRealism, Juggernaut, Almost Anything и fusionCore Modern. Модель предназначена для создания фотореалистичных изображений и как базовый чекпойнт для дальнейшего слияния, подключения ControlNet и LoRA. Автор рекомендует стандартное разрешение 512×512, а для пейзажей — также широкие форматы; для генерации подойдут Diffusers и интерфейсы вроде A1111, Forge и ComfyUI. В репозитории указаны форматы Diffusers, PyTorch и safetensors. Модель основана на Stable Diffusion 1.x и рассчитана на текстовый ввод с изображением на выходе. Автор отмечает, что она может создавать NSFW-контент, хотя специально для этого не разрабатывалась. Лицензия — OpenRAIL; для некоторых включённых моделей README требует указывать авторство, а полный состав компонентов не раскрыт.

RetinaFace — модель компьютерного зрения на основе свёрточной нейронной сети, реализованная на PyTorch в проекте Py-Feat на основе реализации biubug6. В указанной конфигурации используется backbone MobileNet 0.25 с 1,7 млн параметров; RetinaFace также может работать с backbone ResNet-50, требующим больше вычислений. Модель предназначена для обнаружения лиц на изображениях. Для каждого найденного лица она возвращает координаты ограничивающей рамки, оценку уверенности и координаты десяти ключевых точек лица. Модель оценивалась на наборе WIDER FACE. Модель принимает изображения и выдаёт разметку обнаруженных лиц и ориентиры лица. Репозиторий содержит веса PyTorch; лицензия — MIT.

Модель svjack/Stable-Diffusion-FineTuned-zh-v1 разработана Zhipeng Yang и предназначена для генерации изображений по текстовым запросам на китайском языке. Это латентная диффузионная модель (LDM), основанная на Stable Diffusion и дообученная с использованием Taiyi-Stable-Diffusion-1B-Chinese-v0.1 от IDEA-CCNL. Репозиторий содержит модель в форматах Diffusers и PyTorch. Модель подходит для создания и изменения изображений по китайским описаниям. В README указана лицензия CreativeML OpenRAIL-M; метаданные Hugging Face обозначают лицензию как other, поэтому условия использования следует сверять с файлом лицензии в репозитории. Карточка не сообщает размер модели и длину контекста.

svjack/Stable-Diffusion-FineTuned-zh-v2 — модель генерации изображений из китайских текстовых запросов, разработанная Zhipeng Yang. Это диффузионная латентная модель (LDM), дообученная на базе Stable Diffusion; в README также упоминается базовая модель Taiyi-Stable-Diffusion-1B-Chinese-v0.1 от IDEA-CCNL. Модель предназначена для создания и редактирования изображений по текстовым описаниям на китайском языке и распространяется в форматах Diffusers и PyTorch. В карточке указана лицензия CreativeML OpenRAIL-M, а в метаданных лицензия обозначена как other. Модель ориентирована на китайские запросы; сведений о размере и длине контекста карточка не содержит.

Карточка модели SSterzer/stable-diffusion-xl-refiner-1.0 на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-xl-refiner-1.0, поэтому описание составлено по ней. SDXL Refiner 1.0 — модель диффузии от Stability AI, предназначенная для финальных этапов удаления шума и уточнения изображений, созданных базовой моделью SDXL. Её можно применять в двухэтапном конвейере генерации: базовая модель создаёт латенты, а Refiner дорабатывает их; также доступен сценарий image-to-image на основе SDEdit с тем же текстовым запросом. Модель использует латентную диффузию и два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Она помогает улучшить итоговое качество изображения, но второй этап увеличивает время генерации. Лицензия — CreativeML Open RAIL++-M; условия использования включают ограничения на отдельные сценарии. Модель не гарантирует фотореализм, плохо отображает читаемый текст и сложные пространственные композиции; лица и люди могут получаться некорректно. Она не предназначена для создания достоверных изображений людей или событий и может воспроизводить социальные предубеждения из данных.

The Ally's Mix III Revolutions — модель преобразования текста в изображения, опубликованная Yntec. В карточке указано, что в модель встроен zVAE; файлы представлены в форматах Diffusers и safetensors и предназначены для запуска через StableDiffusionPipeline. Пример запроса демонстрирует создание стилизованного изображения персонажа в детализированной сцене.

Trendyol-LLM-7b-chat-stock — диалоговая языковая модель, созданная Trendyol слиянием нескольких предварительно обученных моделей с помощью Model Stock из mergekit. В качестве базовой использована Trendyol/Trendyol-LLM-7b-chat-dpo-v1.0; в слияние также вошли Trendyol-LLM-7b-base-v1.0 и TURKCELL/Turkcell-LLM-7b-v1. Модель построена на архитектуре Mistral, содержит 7,2 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов. Базовые модели ориентированы на турецкий язык, поэтому модель подходит для турецкоязычного общения и создания текста. В репозитории указаны веса в формате safetensors; README сообщает, что при слиянии использован тип bfloat16. Лицензия в предоставленных данных не указана. Качество модели на конкретных задачах и её ограничения в карточке не описаны; результаты могут различаться в зависимости от запроса и сценария использования.

URPMPonyXL-HybridV1 — гибридная модель генерации изображений от автора saftle, созданная на основе Pony и объединяющая элементы Pony и SDXL. Она предназначена для генерации реалистичных изображений по текстовым запросам; автор отмечает, что реалистичный стиль получается без специальных указаний в промпте. Модель совместима с LoRA для Pony и SDXL, а также с ControlNet для SDXL. Модель распространяется в формате Diffusers с весами safetensors и рассчитана на конвейер StableDiffusionXLPipeline. В карточке указана совместимость с оценочными токенами Pony, например score_9 и score_8_up. Лицензия в предоставленных данных не указана. Автор предупреждает о возможных проблемах совместимости отдельных дополнений и просит использовать модель ответственно.

URSA-0.6B-IBQ1024 — модель генерации и редактирования изображений по текстовым запросам, разработанная BAAI в семействе BAAI-Vision-URSA. Модель размером 0,6 млрд параметров использует FP16, токенизатор Emu3.5-Vision-Tokenizer и библиотеку Diffusers; заявленное разрешение изображений — 1024×1024. В метаданных указана донастройка Qwen/Qwen3-0.6B. Модель предназначена для экспериментов с генеративными моделями, а также для творческих и образовательных инструментов, иллюстрации и дизайна. Лицензия — Apache-2.0. Разработчик отмечает, что модель не предназначена для достоверного изображения реальных людей и событий; среди ограничений — трудности с разборчивым текстом, сложными деталями вроде пальцев и фотореализмом. Обучающие данные включали материалы с контентом для взрослых, насилием и сексуальными темами, а генерация может усиливать социальные предубеждения.

VidEoMT-S — модель сегментации видео, подготовленная исследовательской группой Tübingen Machine Perception для датасета YouTube-VIS 2019. Репозиторий содержит конверсию официального чекпойнта `yt_2019_vit_small_52.8.pth` из `tue-mps/VidEoMT` в формат Hugging Face Transformers. Модель выполняет сегментацию отдельных объектов по кадрам видео. В основе — VidEoMT с бэкбоном DINOv2 ViT-S/14 и четырьмя register-токенами; чекпойнт настроен на входное разрешение 640 × 640 и обработку двух кадров. Авторы сообщают AP 52,8, AR@10 62,2 и скорость 294 кадра в секунду на условиях их модельного зоопарка. Модель предназначена для выделения и отслеживания экземпляров объектов в видео, в частности в сценариях, похожих на YouTube-VIS 2019. Карточка не приводит отдельной лицензии; условия использования следует сверить с исходным репозиторием и датасетом. Показатели производительности приведены авторами и могут отличаться на другом оборудовании и с другими настройками.

5CD-AI/visobert-14gb-corpus — языковая модель на архитектуре XLM-RoBERTa, созданная продолжением предобучения uitnlp/visobert на объединённом корпусе объёмом 14 ГБ. В корпус вошли публикации и комментарии Facebook, данные UIT и материалы MC4 по электронной коммерции. Модель содержит 124,8 млн параметров и принимает последовательности длиной до 514 токенов. Чекпойнт предназначен для заполнения пропусков в тексте и как основа для дообучения задачам классификации и разметки вьетнамских текстов из социальных сетей. В README описано дообучение для распознавания эмоций, выявления ненавистнических высказываний, спам-отзывов и выделения фрагментов ненавистнической речи. Для указанных экспериментов использовались последовательности длиной до 128 токенов. Модель распространяется в формате Safetensors; для загрузки используется Transformers. В метаданных лицензия не указана. Результаты README относятся к перечисленным downstream-задачам, поэтому качество на других языках и типах текстов по этим данным оценить нельзя.

V-JEPA 2.1 ViT-B — видеомодель Meta AI Research для извлечения признаков из видеоклипов. Этот репозиторий содержит конверсию исходного чекпойнта Meta AI в формат Hugging Face Transformers; энкодер ViT-B был дистиллирован из учителя ViT-G и обучен на видео методом самообучения. Модель насчитывает 113,2 млн параметров, обрабатывает клипы из 64 кадров с размером кропа 384 пикселя и выдаёт векторные представления для последующего анализа или обучения прикладных систем. Модель предназначена для построения признаковых представлений видео, которые можно использовать в задачах понимания и анализа видеосцен. Карточка указывает на исследовательскую работу о понимании, предсказании и планировании на основе видео. Данные о лицензии описаны как условия Meta AI для исходных весов; перед использованием следует свериться с исходными условиями Meta, поскольку в карточке конкретный тип лицензии не приведён.

YOLOX-Nano в формате LiteRT разработан сообществом litert-community на основе официальных весов Megvii для детекции объектов на устройствах. Модель представлена как FP16-файл TFLite размером 2,2 МБ и рассчитана на входные изображения 416×416; граф адаптирован для исполнения на GPU через LiteRT, при этом веса не изменены. В README заявлена точность COCO val2017 AP 25,8 для исходного FP32-эталона. Модель принимает изображение в формате NHWC с каналами BGR и значениями 0–255 без нормализации; перед подачей требуется масштабирование с сохранением пропорций и дополнение до размера входа. Выход содержит сырые предсказания для 80 классов COCO: координаты рамок ещё нужно декодировать на стороне приложения и выполнить NMS. Применяется для локальной детекции объектов в мобильных и встроенных приложениях; README описывает исполнение на GPU LiteRT и приводит результаты также для отдельных GPU, NPU и CPU-конфигураций. Лицензия — Apache-2.0. Ограничения: модель распознаёт набор классов COCO, а не произвольные категории; декодирование рамок и подавление дубликатов не входят в граф и должны быть реализованы приложением. Производительность зависит от устройства и выбранного runtime, а XNNPACK не обеспечивает пригодного CPU-исполнения указанного FP16-графа.

abyssorangemix3a1b — модель Stable Diffusion для генерации изображений по текстовым запросам, представленная через ModelsLab и доступная для вызова через их API. Пример запроса нацелен на фотореалистичные портреты в киберпанк-стилистике; поддерживаются текстовые промпты и negative prompt. README также показывает параметры генерации: ширину и высоту изображения, число шагов, guidance scale, seed и запрос на проверку безопасности. Модель предназначена для создания изображений по описаниям, в том числе портретов с детализированным освещением и заданной художественной атмосферой. В метаданных указаны библиотека Diffusers, формат PyTorch и лицензия CreativeML OpenRAIL-M. README описывает использование API ModelsLab; сведения об архитектуре, размере и контекстном окне в предоставленных источниках отсутствуют.

ACertainThing — модель генерации изображений по текстовому описанию, созданная JosephusCheung на базе Stable Diffusion. Автор описывает её как версию Anything 3.0, дообученную методом DreamBooth и инициализированную ACertainModel; модель распространяется для использования через Diffusers. Модель предназначена для создания изображений по запросам, в том числе при коротких или неточных промптах. В примерах автор отмечает удачную композицию, жесты рук и изображение движущихся объектов. Рекомендуемые настройки генерации: 28 шагов, Euler a, CFG 11 и Clip skip 2. Автор предупреждает о переобучении: модель может отходить от запроса, добавлять лишние детали и выдавать однообразные результаты. Она нестабильна и не подходит для дальнейшего дообучения. Лицензия — CreativeML OpenRAIL-M.

latentcat/control_v1p_sd15_brightness — модель ControlNet для Stable Diffusion, разработанная пользователем @ciaochaos и предназначенная для работы в web UI AUTOMATIC1111. Она добавляет управление яркостью к процессу генерации и преобразования изображений: позволяет колоризировать чёрно-белые изображения и изменять цветовую тональность сгенерированных изображений. Модель относится к сценарию image-to-image и работает с визуальными данными. В карточке указано, что при обучении использовался набор данных ioclab/grayscale_image_aesthetic_3M; заявленный язык — английский. Архитектура, количество параметров, поддерживаемый контекст и точные требования к базовой версии Stable Diffusion не указаны. Сильной стороной модели является специализированное управление яркостью и возможность использовать его для колоризации и перекрашивания изображений. Ограничения, риски, смещения, рекомендуемые параметры и перечень сценариев вне области применения в карточке не описаны, поэтому качество и применимость для конкретных задач требуют самостоятельной проверки. Доступна демонстрация в Hugging Face Space brightness-controlnet. Модель распространяется по лицензии CreativeML OpenRAIL-M.

xyn-ai/DreamShaper — модель генерации изображений по текстовому описанию, опубликованная в формате Diffusers. Карточка рекомендует также ознакомиться с NeverEnding Dream, описанной как полуреалистичная модель, совместимая с booru-тегами и промптами; это описание относится к другой модели. Модель предназначена для создания изображений по текстовым запросам. В метаданных указаны Stable Diffusion и Diffusers, а также английский язык. Карточка содержит примеры вывода, но не сообщает размер модели, длину контекста или условия лицензии; лицензия в метаданных обозначена как other.

ExpMix — модель генерации изображений по текстовому описанию, опубликованная AIARTCHAN в формате Diffusers для использования с библиотекой Diffusers. README упоминает исходную версию размером 7,7 ГБ и облегченную версию с точностью fp16 размером 2,13 ГБ. Метаданные относят модель к Stable Diffusion; в README также указана ссылка на Civitai. Модель предназначена для создания изображений по текстовым запросам. Лицензия указана как other, поэтому условия использования следует проверять в исходном источнике модели.

FishMix_v1.1 — модель генерации изображений по текстовому описанию, опубликованная digiplay. В карточке показан пример сцены с девушкой и котятами; метаданные указывают на использование Stable Diffusion и Diffusers. Модель предназначена для создания изображений по текстовым запросам. Репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors. Лицензия указана как other, поэтому условия использования следует сверить с файлами репозитория и правообладателем.