IV.1Ритейл, электронная коммерция и fashion-tech

RIOLITE/products_matching_aumet — модель на базе BERT, разработанная RIOLITE и упакованная для работы с Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 384 для поиска семантически похожих текстов и кластеризации. Модель принимает текст и выдаёт эмбеддинги; её контекст ограничен 512 токенами, размер составляет 25,9 млн параметров. Модель подходит для сопоставления описаний товаров, семантического поиска по каталогу и группировки похожих товарных записей. В карточке указано обучение с CosineSimilarityLoss. Доступен формат PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

RexBERT-base — англоязычный энкодерный трансформер семейства ModernBERT, разработанный Rahul Bajaj и Anuj Garg для задач электронной коммерции. Модель содержит около 149 млн параметров и обучена предсказывать замаскированные токены; обучение включало общее предварительное обучение, расширение контекста и специализацию на коммерческих текстах. Для запуска доступны веса PyTorch и Safetensors, модель совместима с Transformers. Контекст составляет около 8 тысяч токенов. Модель предназначена для семантического поиска товаров и запросов, извлечения атрибутов, классификации товарных данных и отзывов, понимания запросов и ранжирования. Энкодер также можно использовать для получения векторных представлений и дообучать для классификации. Модель не предназначена для генерации длинных текстов; результаты классификации по безопасности, соответствию требованиям и другим значимым признакам требуют проверки человеком. Обучение ориентировано на английский язык и коммерческую лексику. Среди ограничений авторы отмечают возможные смещения по брендам, ценам и регионам, а также необходимость защищать персональные данные и фильтровать взрослые или регулируемые товары. Лицензия — Apache-2.0.

RexBERT-mini — encoder-only трансформер в стиле ModernBERT, разработанный Rahul Bajaj для задач электронной коммерции. Модель содержит 68,1 млн параметров и обучена предсказанию замаскированных токенов. Обучение включало общее предварительное обучение на английских текстах, расширение контекста и специализацию на коммерческих данных; README сообщает о более чем 2,3 трлн токенов общего обучения и 350 млрд коммерческих токенов. Модель предназначена для семантического поиска товаров и запросов, извлечения атрибутов, классификации, ранжирования и понимания поисковых запросов. Она принимает текст и выдаёт представления, которые можно использовать для эмбеддингов и последующей настройки классификаторов. Основной тег задачи в метаданных — fill-mask; также заявлена поддержка feature-extraction. Естественный язык модели — английский, а максимальная длина контекста по метаданным составляет 7 999 токенов. Модель не предназначена для генерации длинных текстов. Результаты фильтрации товаров, оценки безопасности и другие важные решения требуют проверки человеком; коммерческие данные могут содержать смещения по брендам, ценам и регионам. Лицензия — Apache-2.0.

BRIA RMBG-2.0 — модель сегментации изображений для удаления фона, разработанная BRIA AI на архитектуре BiRefNet. Она выделяет передний план на фотографиях и других изображениях, включая объекты, людей и сцены с несколькими объектами, и подходит для рабочих процессов электронной коммерции, рекламы, игрового контента и создания материалов. Модель формирует одноканальную 8-битную альфа-маску: значения пикселей задают степень прозрачности, поэтому порог отделения переднего плана можно настраивать под задачу. В README описано обучение на более чем 15 000 вручную размеченных изображений с пиксельной точностью, охватывающих фотореалистичные и нефотореалистичные изображения, сплошной и сложный фон. Доступны веса и реализации в форматах PyTorch, safetensors и ONNX. Самостоятельное использование весов разрешено по CC BY-NC 4.0 только в некоммерческих целях; для коммерческого применения требуется отдельное соглашение с BRIA, либо можно использовать API BRIA на условиях их лицензии.

BRIA AI разработала RMBG-2.0 — модель сегментации изображений для удаления фона, построенную на архитектуре BiRefNet и обученную на профессионально размеченных изображениях. Она выделяет передний план на фотографиях и других изображениях с людьми, предметами и животными, в том числе при сложном или неоднородном фоне. Модель выдаёт одноканальную 8-битную альфа-матte в оттенках серого: значение каждого пикселя задаёт степень его прозрачности. Это позволяет применять собственные пороги отделения переднего плана от фона и встраивать модель в конвейеры обработки изображений. В метаданных указаны форматы PyTorch, Safetensors и ONNX. Обучающие данные включают более 15 000 вручную размеченных изображений из категорий электронной коммерции, рекламы, игр и общего стокового контента. По данным карточки, модель улучшает RMBG v1.4; независимые показатели качества в предоставленных материалах не приведены. Лицензия CC BY-NC 4.0 разрешает некоммерческое использование; для коммерческого использования требуется отдельное соглашение с BRIA.

BRIA RMBG-2.0 — модель сегментации изображений для удаления фона, разработанная BRIA AI на архитектуре BiRefNet. Она отделяет передний план от фона на изображениях с объектами, людьми и животными, в том числе для материалов электронной коммерции, игр, рекламы и создания контента. На выходе модель формирует одноканальную 8-битную карту прозрачности: значение каждого пикселя задаёт степень его непрозрачности, поэтому порог отделения переднего плана можно выбирать самостоятельно. Модель обучена на более чем 15 000 лицензированных изображений с попиксельной разметкой; в обучающих данных представлены фотореалистичные и нефотореалистичные изображения, сплошной и сложный фон, одиночные и множественные объекты. Доступны веса и варианты в форматах PyTorch, Safetensors и ONNX. Лицензия CC BY-NC 4.0 разрешает некоммерческое использование; для коммерческого применения требуется отдельное соглашение с BRIA.

pirocheto/schp-atr-18 — модель семантической сегментации для разбора изображений людей на области одежды и части тела. Это чекпойнт SCHP (Self-Correction for Human Parsing), разработанный на основе оригинального проекта PeikeLi/Self-Correction-Human-Parsing. Архитектура сочетает ResNet-101 с механизмом самокоррекции; модель обучена на наборе ATR и выделяет 18 классов, включая фон, предметы одежды и части тела. Входное изображение обрабатывается при размере 512 × 512 пикселей, а результат включает карты логитов сегментации и границ. Модель предназначена для подготовки изображений моды: извлечения масок отдельных предметов одежды, автоматической разметки каталогов, предварительной обработки для виртуальной примерки и ускорения аннотирования датасетов. Для ATR указано значение mIoU 82,29%. В репозитории также доступны файлы ONNX; README сообщает о варианте статической INT8-квантизации с близким к FP32 попиксельным совпадением. Лицензия MIT.

Tianmu-MERE — мультимодальная модель эмбеддингов для поиска и сопоставления товаров в электронной коммерции. Она разработана TianmuLab и использует архитектуру с двумя энкодерами: визуальный энкодер на основе SigLIP2 и текстовый энкодер на основе BGE. Энкодеры совместно обучены представлять изображения товаров, кадры видео и текстовые описания в общем векторном пространстве. Модель предназначена для поиска товаров по изображению, тексту или кадру прямой трансляции, а также для сопоставления похожих товарных изображений и описаний. Она обучена на крупных китайских данных электронной коммерции, ориентирована прежде всего на моду и товары широкого потребления и демонстрирует результаты на бенчмарке LookBench. Репозиторий содержит веса в формате Safetensors и файлы для работы через Transformers. Модель оптимизирована для китайской электронной коммерции; качество может снижаться в областях, существенно отличающихся от обучающих данных. Лицензия — Apache-2.0.

Trendyol разработала Trendyol-Vision-Master — мультимодальную модель зрения и языка на базе Qwen/Qwen3.5-27B с 27 млрд параметров. Модель полностью дообучена на мультимодальных данных каталога Trendyol и предназначена для задач модерации и обогащения товарных карточек в электронной коммерции. Модель принимает изображения, включая несколько изображений в одном запросе, и текст с названиями или метаданными товара. Она классифицирует товары по заданному списку категорий, сравнивает карточки на совпадение SKU, определяет бренд, извлекает атрибуты и количество в упаковке, генерирует названия и описания, а также классифицирует безопасность контента. Основной язык — турецкий, также поддерживается английский; режим рассуждений при инференсе отключён. Модель лучше подходит для сложных и критичных случаев, особенно для определения категорий, и сохраняет широкие возможности базовой VLM. Она оптимизирована для изображений товаров и турецкого каталожного текста, поэтому может хуже работать в других областях и на английском. Для обслуживания модели на 27 млрд параметров рекомендуется несколько GPU или оборудование с большим объёмом видеопамяти. Лицензия — CC BY 4.0.

TY-ecomm-asure-relevance — многоязычный классификатор Trendyol для оценки релевантности товара поисковому запросу. Это cross-encoder, который совместно обрабатывает запрос и текст карточки товара и относит пару к одному из четырёх классов ESCI: нерелевантный товар, дополнительный товар, замена или релевантный товар. В метаданных указаны архитектура EsciCrossEncoderForSequenceClassification, 305,3 млн параметров и контекст до 8192 токенов; модель использует Transformers и веса Safetensors. Модель предназначена для ранжирования и классификации кандидатов в поиске интернет-магазина. На вход подаются запрос и текстовые поля товара: название, категория, бренд, пол, возрастная группа, продавцы и атрибуты. Обучение проводилось примерно на 1,5 млн пар на турецком, арабском, румынском и английском языках. Модель создана командой LLM & Core NLP компании Trendyol; README сообщает, что она дистиллирована из Trendyol/Trendyol-LLM-Asure-12B, а метаданные также связывают её с TY-ecomm-embed-multilingual-base-v1.2.0. Лицензия — Apache-2.0. Модель помогает отделять точные соответствия от альтернатив и сопутствующих товаров, но оценивает только переданный текст: изображения товаров не анализируются, а качество суждений о релевантности может быть ошибочным. Для использования требуется trust_remote_code=True; Transformers 5.x пока не поддерживается.

Модель GreenMap/xlm-roberta-large-qa-ru-product-specs — русскоязычная модель для извлечения характеристик товаров из неструктурированных описаний. Она создана на основе XLM-RoBERTa Large и дообучена для extractive question answering: получает вопрос о характеристике и текст описания, затем возвращает соответствующий фрагмент исходного текста. Модель подходит для извлечения размеров, материалов и параметров из зашумлённых товарных данных, например для заполнения полей каталога. Архитектура — XLM-RoBERTa для вопросно-ответной задачи, размер — 658,7 млн параметров, длина контекста — 514 токенов. В карточке указана лицензия Apache-2.0.

Модель olegGerbylev/all-MiniLM-L6-v2-goods — дообученный Sentence Transformer на базе sentence-transformers/all-MiniLM-L6-v2, созданный для сопоставления русскоязычных товарных предложений и заказов. Она кодирует предложения и абзацы в плотные векторы размерности 384; сходство между ними можно оценивать косинусной мерой. Архитектура включает энкодер BERT, mean pooling и нормализацию. По метаданным модель содержит 25,9 млн параметров; максимальная длина контекста составляет 512 токенов, а в конфигурации из README указан предел в 256 токенов. Модель подходит для семантического поиска похожих товаров, сопоставления позиций в закупках, поиска перефразировок и кластеризации текстов. В README приведён пример обучающих данных с русскими названиями товаров и результат оценки cosine accuracy 0,9561 на goods-val. Основной язык и специализация — русский товарный текст; карточка не сообщает лицензию, поэтому условия использования по ней определить нельзя.

surazbhandari/all-MiniLM-L6-v2-ProductMatching — дообученная автором Sentence Transformer модель для сопоставления товаров в каталогах электронной коммерции и промышленной продукции. Она основана на sentence-transformers/all-MiniLM-L6-v2 и предназначена для сравнения названий товаров, поисковых запросов, характеристик и описаний, в том числе при различиях в формулировках. Модель использует энкодер BERT с 25,9 млн параметров и формирует нормализованные векторы размерности 384; сходство оценивается косинусной мерой. README указывает максимальную длину последовательности 256 токенов, а метаданные — нативный контекст 512 токенов. Обучение на синтетических парах товаров и сложных отрицательных примерах нацелено на снижение ложных совпадений, например между разными версиями товара или брендами. Метаданные описывают базовую модель как англоязычную; поддержка других языков не подтверждена. Лицензия в предоставленных данных не указана.

A-Vision — русскоязычная визуально-языковая модель, разработанная Авито и адаптированная для анализа изображений объявлений и других визуальных задач. Она дообучена на базе Qwen/Qwen2.5-VL-7B-Instruct; архитектура — Qwen2.5-VL, размер по метаданным — 6,6 млрд параметров, контекст — до 128 000 токенов. Модель принимает изображения вместе с текстовыми запросами и генерирует текстовые ответы. A-Vision предназначена для описания фотографий, ответов на вопросы по изображению, сопоставления фотографии с текстовым описанием, распознавания брендов и надписей, а также извлечения визуальных признаков. Среди продуктовых сценариев Авито — создание описаний и ключевых слов для объявлений, подготовка объявления по фото, OCR и инструменты разметки и модерации. Модель обучали на русскоязычном мультимодальном корпусе, локализованных наборах данных и парах «изображение — вопрос — ответ»; README сообщает об ускорении обработки русскоязычных примеров и улучшении качества на русских и доменных тестах. Модель поддерживает русский и английский языки, но её адаптация ориентирована прежде всего на русский; README отмечает возможное снижение результатов на части англоязычных тестов. Заявлены безопасные ответы после этапа DPO. Репозиторий распространяется по лицензии Apache-2.0.

regtoy/bge-reranker-v2-m3-finetuned-v2 — дообученная модель на основе BAAI/bge-reranker-v2-m3, созданная для поиска товаров в интернет-магазинах и оценки релевантности пары «запрос — товар». Модель использует архитектуру Cross-Encoder на базе XLM-RoBERTa и выдаёт оценку для ранжирования кандидатов; метаданные указывают 658,7 млн параметров и контекст до 8194 токенов. Оптимизация ориентирована на турецкие и английские запросы и карточки товаров. При обучении применялось curriculum learning на 123 510 парах запросов и товаров, включая сложные отрицательные примеры с совпадающими брендами, категориями и лексически похожими названиями. В README приведены результаты на тестовом наборе из 10 000 пар: MRR 0,9649 и точность первого результата 0,9332. Для подачи карточки рекомендован формат с названием, брендом, категорией, полом и атрибутами, разделёнными символом |. Модель подходит для второго этапа поиска, когда нужно переупорядочить найденные товары. Лицензия в доступных данных не указана.

Clothes_Pattern_Classification_v2 — модель IrshadG для классификации узоров и фактур на одежде по изображению. Она использует архитектуру Vision Transformer (ViT) и содержит 113,2 млн параметров; модель доступна в формате safetensors и распространяется по лицензии MIT. Модель относит одежду к одному из классов: например, однотонная ткань, полоска, клетка, горошек, деним, кружево, вышивка, блестящая поверхность или принт. Она предназначена для распознавания типа узора на фотографии одежды; README отмечает, что результаты лучше после кадрирования изображения вокруг предмета. Поддерживается задача image-classification; основной язык метаданных — английский, но вход модели — изображение, поэтому язык не определяет её работу.

Adnan AI Labs разработала DistilBERT-ProductClassifier — компактную модель DistilBERT с классификационной головой для отнесения текстовых описаний товаров к категориям электронной торговли. Она принимает текст карточки товара и предсказывает категорию, например процессоры, цифровые камеры, посудомоечные машины, телевизоры или мобильные телефоны. Модель предназначена для автоматической разметки ассортимента в интернет-магазинах и каталогах, чтобы сократить ручную категоризацию и упростить поиск товаров. По карточке модели, она обучена на датасете Adnan-AI-Labs/products_categories_data и показывает точность 96,16% на тестовой выборке. Архитектура — DistilBERT для классификации текста, максимальный контекст составляет 512 токенов; заявлена работа на CPU и небольших GPU. Модель рассчитана на английский язык и категории, представленные в обучающих данных. Качество может снижаться для новых типов товаров и слабо представленных классов; для других языков и специализированных категорий может потребоваться дообучение. Лицензия — Apache 2.0.

albertobarnabo/ecommerce-product-search-embeddings-base — англоязычная модель эмбеддингов для семантического поиска товаров в интернет-магазинах. Это дообученная версия BAAI/bge-base-en-v1.5 на примерах релевантности Amazon ESCI; модель использует архитектуру BERT и библиотеку Sentence Transformers. Метаданные указывают 136,7 млн параметров и контекст до 512 токенов, а карточка описывает 768-мерные Matryoshka-эмбеддинги с вариантами усечения до 384, 128 и 64 измерений. Модель предназначена для кодирования запросов покупателей и описаний товаров в векторы, чтобы искать товары по смыслу, в том числе при несовпадении формулировок. По оценке авторов на тесте ESCI преимущество над компактной версией особенно заметно при поиске среди каталога из 1,22 млн товаров; для небольших каталогов авторы рекомендуют компактный вариант. Указанная лицензия — Apache-2.0.

FashionCLIP — разработанная для модной индустрии модель на основе CLIP, дообученная авторами карточки на парных данных изображений и текстовых описаний одежды. В версии 2.0 используется базовый чекпойнт laion/CLIP-ViT-B-32-laion2B-s34B-b79K; архитектура включает визуальный энкодер ViT-B/32 и Transformer-энкодер текста. Обучение на датасете примерно из 800 тысяч товаров применяет контрастивную функцию потерь, чтобы сблизить представления соответствующих изображений и описаний. Модель предназначена для сопоставления изображений товаров с текстовыми запросами и классификации изображений по текстовым категориям без отдельного обучения на этих категориях. Её можно использовать для поиска и категоризации одежды, а также построения представлений модных товаров. В карточке приведены результаты на нескольких наборах данных, но авторы предупреждают, что перед внедрением необходимо оценить пригодность модели для конкретного сценария. Обучающие данные включают англоязычные описания более чем 800 тысяч товаров, поэтому основным языком модели является английский. Модель может хуже работать с короткими текстовыми запросами и изображениями, отличающимися от стандартных товарных фотографий на белом фоне. Данные также могут закреплять гендерные ассоциации с одеждой. Лицензия — MIT.

Flux Klein 9b Virtual Try-On LoRA — адаптер LoRA, созданный Lovis Odin при поддержке fal.ai для модели Flux Klein 9b Edit. Он предназначен для виртуальной примерки одежды и редактирования изображений: по фотографии человека или манекена, изображениям верхней и нижней одежды генерирует изображение человека в указанном комплекте. Модель принимает три изображения в фиксированном порядке: человек, верхняя одежда и нижняя одежда; на выходе формируется одно изображение, рассчитанное преимущественно на полноразмерный кадр. Поддерживаются футболки, худи, куртки, джинсы, юбки, брюки и шорты, а также разные позы, типы телосложения, мужчины и женщины. Максимальное заявленное разрешение — до 1024 пикселей. Для работы требуется промпт с триггерным словом TRYON в начале; рекомендуются 28 шагов инференса, guidance_scale 2.5 и lora_scale 1.0. Предусмотрены веса для fal.ai API и Diffusers, а также отдельная версия для ComfyUI. Сильные стороны модели — специализированная генерация реалистичной виртуальной примерки, перенос описанной одежды с референсов и совместимость с фотографическими или AI-сгенерированными входными изображениями. Для лучших результатов рекомендуются точное описание внешности и одежды, чистый фон и одинаковое освещение на всех входных изображениях. README не содержит подробностей о внутренней архитектуре базовой модели, языковой поддержке или систематических ограничениях качества. Модель распространяется по лицензии Apache-2.0.

rookshanks/gemma_300m_grocery — модель Sentence Transformer, дообученная разработчиком на базе google/embeddinggemma-300m для поиска и сравнения текстов о продуктах и товарах в продуктовом каталоге. Она кодирует предложения и абзацы в плотные векторы размерности 768; близость векторов измеряется косинусным сходством. Модель подходит для семантического поиска, подбора похожих товаров, поиска перефразировок, кластеризации и классификации текста. Модель основана на текстовой архитектуре Gemma 3, содержит 302,8 млн параметров и принимает текстовые последовательности длиной до 2048 токенов. В обучении использовались 4571 пример с парами положительных и отрицательных соответствий; в README приведена оценка cosine_accuracy 0,7988 на наборе TripletEvaluator. Для запуска предусмотрена библиотека sentence-transformers, веса опубликованы в формате safetensors. Лицензия модели — Apache-2.0.

GR-Lite — модель извлечения визуальных признаков для поиска изображений товаров моды; разработчик — srpone. Она дообучена на базе facebook/dinov3-vitl16-pretrain-lvd1689m и предназначена для поиска похожих товаров по изображению и построения векторного индекса каталога. Модель использует архитектуру ViT-L/16 и принимает RGB-изображения размером 336 × 336. Основной результат — L2-нормированный эмбеддинг размерности 1024, подходящий для сравнения по косинусному сходству; также доступно полное последовательное представление. Метаданные указывают 402,7 млн параметров, а README — 303 млн, поэтому размер модели в источниках расходится. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. GR-Lite заявлена как модель для поиска в fashion-каталогах; README сообщает о высоких результатах на LookBench и других бенчмарках, но не приводит численных метрик. Она извлекает признаки изображений, а не генерирует описания или изображения; для практического поиска потребуется сравнить эмбеддинги запроса с эмбеддингами каталога.

Folma/IndoBERT-Retail-Search-Model — модель Sentence Transformers, созданная разработчиком Folma путём дообучения indobenchmark/indobert-base-p2. Она преобразует текстовые запросы и описания товаров в плотные векторы размерности 768 и предназначена для поиска и сопоставления предложений по косинусному сходству. Модель обучалась на парах запросов и товаров из розничного каталога; README приводит примеры на индонезийском языке и результаты оценки поиска по набору retail-production-eval. Архитектура состоит из BERT и усредняющего pooling-слоя. Максимальная длина последовательности в README — 128 токенов; метаданные указывают нативный контекст до 512 токенов. Модель принимает текст и выдаёт векторы для семантического поиска, ранжирования кандидатов и извлечения похожих товаров. Лицензия в предоставленных данных не указана.

Модель tomerRest/line_item_embeddings — энкодер предложений Sentence Transformers на базе BERT, дообученный автором на sentence-transformers/all-MiniLM-L6-v2. Она преобразует текстовые строки и абзацы в плотные векторы размерности 384 и предназначена для оценки семантического сходства, семантического поиска, поиска перефразировок, кластеризации и классификации текстов. Обучение описано на 97 524 парах строк с оценками сходства; примеры указывают на сопоставление товарных наименований и позиций ассортимента. Модель использует mean pooling и нормализацию векторов, а сходство оценивается косинусной мерой. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов; README задаёт максимальную длину последовательности 256 токенов, поэтому на практике следует учитывать ограничение конфигурации модели. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

rztk-bohdanbilonoh/multilingual-e5-base-test — модель Sentence Transformers, дообученная разработчиком Bohdan Bilonoh на основе intfloat/multilingual-e5-base на парах запросов и текстов товаров из набора rztk/rozetka_positive_pairs. Она использует XLM-RoBERTa с mean pooling и нормализацией, преобразует предложения и абзацы в плотные эмбеддинги размерности 768 и предназначена для поиска и сравнения текстов по косинусному сходству. Модель подходит для семантического поиска по каталогу товаров, поиска похожих запросов, сопоставления предложений, кластеризации и извлечения признаков. В README приведены результаты поиска по русско-украинским названиям товаров; обучение на парах запросов и описаний Rozetka ориентирует её на товарный поиск. Контекст составляет до 512 токенов по README (514 по метаданным). Поддерживаются русский и украинский языки, видимые в примерах и оценке, а базовая multilingual-e5-base рассчитана на многоязычную работу. Репозиторий содержит веса safetensors, размер модели — 305,2 млн параметров. Лицензия в предоставленных данных не указана.

Ateeqq/product-description-generator — модель генерации описаний товаров, разработанная на базе T5 и дообученная на данных Amazon о товарах. Для генерации используется префикс «description: »; модель предназначена для преобразования кратких сведений о товаре в связное описание для карточки товара или каталога. Архитектура — T5-base, около 124 млн параметров по метаданным, контекст — до 512 токенов. README сообщает о дообучении на очищенной выборке из 250 тысяч примеров и приводит длины источника до 50 и целевого текста до 300 токенов; в описании датасета также упоминаются 500 тысяч очищенных примеров. Модель рассчитана на англоязычные товарные данные и выдаёт текст. Она может ускорить подготовку описаний для интернет-магазина, однако качество и точность зависят от полноты входных характеристик; сгенерированные утверждения о товаре следует проверять. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — Apache-2.0.

QIE-2511-Extract-Outfit — адаптер LoRA, разработанный Prithiv Sakthi для модели Qwen/Qwen-Image-Edit-2511. Это image-to-image-модель на базе Diffusers, предназначенная для извлечения одежды с изображения и преобразования её в чистый плоский мокап. Модель отделяет предметы одежды от человека, позы и фона, стараясь сохранять исходные детали ткани, текстуры, цвета, швы и узоры. Она предназначена для задач дизайна одежды, подготовки каталогов, визуализации товаров и создания студийных раскладок образов. Для активации рекомендуется использовать запрос «Extract the clothing and create a flat mockup.»; входное изображение должно быть хорошо определено и содержать одежду полностью, поскольку на частично обрезанных изображениях будет извлечена только видимая область. Адаптер совместим с Qwen-Image-Edit-2511 и версиями Diffusers 2509 и 2511. В README не указаны размер адаптера, объём контекста и дополнительные модальности; заявлена поддержка английского языка. Сильные стороны — специализация на извлечении одежды, сохранение визуальных характеристик материалов и минимизация влияния тела, позы и фона. Ограничение — зависимость результата от качества и полноты входного изображения. Модель распространяется по лицензии Apache-2.0.

RexBERT-micro — компактный энкодерный трансформер в стиле ModernBERT, созданный Rahul Bajaj для задач электронной коммерции. Модель содержит 16,8 млн параметров и обучена предсказывать замаскированные токены; в README указано обучение на более чем 2,3 трлн токенов, включая свыше 350 млрд токенов о торговле. Для работы с моделью подходят Transformers и веса PyTorch/SafeTensors; заявленная длина контекста — 7 999 токенов. Модель предназначена для поиска товаров и запросов по смыслу, извлечения атрибутов, классификации товарных текстов, понимания запросов и ранжирования. Её энкодерные представления также можно использовать для эмбеддингов и дообучения классификаторов. В карточке приведены примеры применения для поиска, отзывов, категорий и атрибутов товаров, однако подробности отдельных оценок и этапов обучения указаны не полностью. RexBERT-micro не предназначена для генерации длинных текстов. Результаты классификации и фильтрации товаров требуют проверки человеком, особенно при решениях о соответствии требованиям или безопасности; данные электронной коммерции могут отражать смещения по брендам, регионам и ценам. Лицензия модели — Apache-2.0.

BRIA RMBG v2.0 — модель сегментации изображений для удаления фона, разработанная BRIA AI на архитектуре BiRefNet. Она отделяет передний план от фона в фотографиях и других изображениях, включая изображения товаров, людей, объектов и рекламный контент. Модель обучена на более чем 15 000 вручную размеченных изображений высокого разрешения; заявленная область применения включает коммерческое создание контента, игровые материалы и электронную торговлю. Модель принимает изображение и выделяет передний план, что позволяет создавать маски сегментации и изображения с удалённым фоном. В README отмечены сбалансированное представление людей разных полов и этнических групп, а также людей с инвалидностью в оценочном наборе. Репозиторий содержит PyTorch, ONNX и safetensors форматы; метаданные относят модель к image-segmentation. Лицензия CC BY-NC 4.0 разрешает некоммерческое использование; для коммерческого применения требуется отдельное соглашение с BRIA. Модель предназначена для удаления фона и дихотомической сегментации, поэтому описание не подтверждает универсальную сегментацию произвольных классов объектов. README не приводит численные показатели качества или сведения о поддерживаемых языках.

BRIA RMBG v1.4 — модель сегментации для удаления фона, разработанная BRIA AI. Она выделяет передний план на изображении и подходит для обработки фотографий объектов, людей, товаров, игровых и рекламных материалов, в том числе для создания контента в больших объёмах. Модель основана на IS-Net и обучена на более чем 12 000 высококачественных изображений с попиксельной разметкой. В обучающих данных представлены фотореалистичные и нефотореалистичные изображения, однотонные и сложные фоны, одиночные и множественные объекты. Конкретные размер модели и длина контекста не относятся к указанным характеристикам. По карточке модели, она доступна для некоммерческого использования по лицензии Creative Commons; коммерческое применение требует отдельного соглашения с BRIA. Модель предназначена для удаления фона и не является универсальным инструментом сегментации для произвольных классов.