IV.1Ритейл, электронная коммерция и fashion-tech

dell-research-harvard/lt-un-data-fine-coarse-es — модель LinkTransformer от исследователей Harvard, построенная на Sentence Transformers и BERT. Она дообучена на базе hiiamsid/sentence_similarity_spanish_es для сопоставления наименований товаров с укрупнёнными классификациями продуктов ООН; при обучении использовались связанные данные классификаций статистики ООН и SupCon loss. Модель преобразует предложения и абзацы на испанском языке в плотные векторы размерности 768. Её применяют для связывания записей, кластеризации, удаления дублей и семантического поиска; также она подходит для задач сходства предложений в экосистеме Sentence Transformers. Максимальная длина входа составляет 512 токенов. Для работы с моделью авторы рекомендуют пакет LinkTransformer. В README не указана лицензия, поэтому условия использования по имеющимся данным определить нельзя.

leafxyz/main-v2 — модель Sentence Transformers, дообученная на основе prestoai/qwen3-embedding-0.6b-arabic-ecom. Она преобразует текстовые предложения и абзацы в плотные эмбеддинги размерностью 1024 для поиска и сравнения по косинусному сходству. Архитектура включает Qwen3Model и пулинг последнего токена. Модель подходит для семантического поиска и извлечения релевантных текстов, в частности в сценариях поиска арабских товаров по запросам, что отражено в описании базовой модели. Метаданные указывают 507,6 млн параметров и контекст до 32 768 токенов; карточка самой модели задаёт максимальную длину последовательности 128 токенов. Доступны веса в формате safetensors. Лицензия в предоставленных данных не указана.

MiniLM-V13Data-256BATCH-SemanticEngine — англоязычная модель Sentence Transformers от LamaDiab, дообученная на базе sentence-transformers/all-MiniLM-L6-v2. Она кодирует предложения и абзацы в плотные векторы размерности 384; для сравнения используется косинусное сходство. Архитектура включает энкодер BERT, усреднение токеновых представлений и нормализацию. В метаданных указано окно контекста 512 токенов, а карточка модели задаёт максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Данные обучения и примеры в карточке указывают на соответствие товарных запросов и описаний, поэтому модель может быть полезна для поиска товаров. На наборе оценки из карточки приведена точность cosine_accuracy 0,9693; результат относится к описанной оценке и не гарантирует такого же качества на других данных. Лицензия в предоставленных сведениях не указана.

Next-ViT Large — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков. Её обучили авторы статьи Next-ViT на наборе Unknown-6M и ImageNet-1k с использованием дистилляции SSLD. Модель содержит около 57,9 млн параметров; в карточке также указаны вычислительная сложность 10,7 GMACs и размер входного изображения 224 × 224 пикселя. Модель предназначена для определения объектов и категорий на изображениях, а также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. В таблице результатов для варианта с разрешением 384 указаны точность Top-1 86,542% и Top-5 98,142%. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — Apache-2.0.

Qwen-Image-Edit-2509-GGUF — квантованная версия модели Qwen-Image-Edit-2509, разработанной командой Qwen и адаптированной в формате GGUF проектом Unsloth. Модель предназначена для редактирования изображений по текстовым инструкциям и относится к задачам image-to-image. Она поддерживает английский и китайский языки. Модель рассчитана как на редактирование одного изображения, так и на работу с несколькими входными изображениями. Для многокадровых сценариев поддерживаются сочетания «человек + человек», «человек + товар» и «человек + сцена», при этом оптимальными считаются от одного до трёх изображений. Среди ключевых возможностей — сохранение идентичности лиц и товаров, изменение поз и стилей портретов, редактирование рекламных изображений товаров, а также изменение текста на изображении, включая его содержание, шрифт, цвет и материал. Предусмотрена нативная поддержка ControlNet, в том числе карт глубины, контуров и ключевых точек. Ключевыми особенностями версии GGUF являются квантование и применение методологии Unsloth Dynamic 2.0 с повышением точности важных слоёв, что направлено на сохранение качества при уменьшении требований к хранению и вычислениям. Точный размер модели, архитектура, максимальный контекст и требования к аппаратному обеспечению в карточке не указаны. Ограничением является то, что для многокадрового редактирования заявлена оптимальная работа только с одним—тремя входными изображениями. Лицензия — Apache 2.0.

DeepVTO — модель для виртуальной примерки одежды, опубликованная пользователем gouthaml на Hugging Face. Она предназначена для создания изображений с помощью Stable Diffusion и описана как сочетание DreamBooth, извлечения признаков EfficientNetB3 и оценки ключевых точек тела OpenPose. Модель рассчитана на сценарии виртуальной примерки в онлайн-торговле и эксперименты с визуализацией одежды на человеке. В карточке указаны архитектура U-Net и использование Stable Diffusion 1.5; для работы рекомендованы PyTorch и GPU A100 с большим объёмом памяти. Метаданные указывают форматы Diffusers, PyTorch и Safetensors и лицензию CreativeML OpenRAIL-M. Способ подачи входных изображений и точный контекст не описаны.

Модель RemBERT, дообученная ISSAI для анализа тональности отзывов о товарах на казахском языке. Она классифицирует отзыв как положительный или отрицательный и подходит для автоматической сортировки отзывов и оценки отношения покупателей к продуктам. По данным карточки, модель дообучена на наборе KazSAnDRA; для классификации текста можно использовать библиотеку Transformers. В README указаны accuracy 0,89, precision 0,81, recall 0,82 и F1 0,81. Модель распространяется по лицензии CC BY 4.0.

Модель juliensimon/reviews-sentiment-analysis — версия DistilBERT, дообученная для определения тональности англоязычных отзывов о товарах. Она выполняет классификацию текста и подходит для анализа отдельных отзывов или обработки их потока в приложении; для запуска приведён пример с библиотекой Transformers, а также упомянут ноутбук для Amazon SageMaker. Модель основана на distilbert-base-uncased, использует архитектуру DistilBertForSequenceClassification и принимает текст с контекстом до 512 токенов. Модель ориентирована на английский язык и отзывы о товарах; её можно применять для первичной оценки мнений покупателей. Веса доступны в форматах PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

RexReranker-0.6B — компактная модель-реранкер для поиска товаров, разработанная thebajajra на основе Qwen/Qwen3-Reranker-0.6B. Это плотная decoder-модель класса Qwen3ForCausalLM с 507,6 млн параметров. Она принимает запрос пользователя и текст кандидата-товара — название, а при наличии описание и атрибуты — и оценивает их релевантность через вероятности бинарного ответа «yes» или «no». Модель предназначена для повторного ранжирования результатов товарного поиска после этапа извлечения кандидатов, а также для подбора и сортировки товаров в торговых ассистентах с учётом естественно-языковых ограничений, например размера, совместимости и цвета. Её также можно использовать для офлайн-оценки методов ранжирования в электронной торговле. Обучение проводилось на датасете Amazebay-Relevance с 6,33 млн пар «запрос — товар». Поддерживается контекст до 40 960 токенов; в метаданных указан английский язык. Лицензия — Apache-2.0. Модель специализирована на релевантности товаров и требует набора кандидатов, полученных на предыдущем этапе поиска; сама по себе она не заменяет полнотекстовый поиск или каталог товаров. README не приводит численных результатов оценки, поэтому качество на конкретном каталоге и типах запросов следует оценивать отдельно.

RMBG-2.0-WebGPU — экспорт модели удаления фона briaai/RMBG-2.0 в формат ONNX, подготовленный для запуска через ONNX Runtime Web с бэкендом WebGPU. В основе лежит архитектура BiRefNet для сегментации изображений; файл модели имеет размер 490 МБ и хранит веса в fp16 с приведением к fp32 перед вычислениями. Модель предназначена для выделения объекта переднего плана и удаления фона в веб-приложениях. Экспорт изменён так, чтобы большие операции Split и Concat выполнялись каскадными группами и укладывались в ограничение WebGPU на число привязок буферов. По README результат численно совпадает с исходной моделью в пределах точности fp16. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Карточка модели laohcui/segformer_b2_clothes на Hugging Face совпадает с карточкой mattmdjaga/segformer_b2_clothes, поэтому описание составлено по ней. SegFormer B2 от автора mattmdjaga — модель семантической сегментации изображений, дообученная на датасете ATR для распознавания элементов одежды и частей человека. Она размечает изображение по 18 классам: среди них фон, головной убор, волосы, очки, верхняя одежда, юбка, брюки, платье, обувь, лицо, конечности, сумка и шарф. Модель предназначена для выделения одежды и частей тела на изображениях людей. Её можно применять для анализа образа, виртуальных примерок и разметки изображений для последующей обработки. В README приведены метрики оценки: средняя точность 0,80 и средний IoU 0,69; качество различается между классами. Модель принимает изображения и выдаёт карту сегментации. Доступны веса в форматах PyTorch, safetensors и ONNX. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

SegFormer B2 от автора mattmdjaga — модель семантической сегментации изображений, дообученная на датасете ATR для распознавания элементов одежды и частей человека. Она размечает изображение по 18 классам: среди них фон, головной убор, волосы, очки, верхняя одежда, юбка, брюки, платье, обувь, лицо, конечности, сумка и шарф. Модель предназначена для выделения одежды и частей тела на изображениях людей. Её можно применять для анализа образа, виртуальных примерок и разметки изображений для последующей обработки. В README приведены метрики оценки: средняя точность 0,80 и средний IoU 0,69; качество различается между классами. Модель принимает изображения и выдаёт карту сегментации. Доступны веса в форматах PyTorch, safetensors и ONNX. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

Карточка модели rac123/segformer_b2_clothes на Hugging Face совпадает с карточкой mattmdjaga/segformer_b2_clothes, поэтому описание составлено по ней. SegFormer B2 от автора mattmdjaga — модель семантической сегментации изображений, дообученная на датасете ATR для распознавания элементов одежды и частей человека. Она размечает изображение по 18 классам: среди них фон, головной убор, волосы, очки, верхняя одежда, юбка, брюки, платье, обувь, лицо, конечности, сумка и шарф. Модель предназначена для выделения одежды и частей тела на изображениях людей. Её можно применять для анализа образа, виртуальных примерок и разметки изображений для последующей обработки. В README приведены метрики оценки: средняя точность 0,80 и средний IoU 0,69; качество различается между классами. Модель принимает изображения и выдаёт карту сегментации. Доступны веса в форматах PyTorch, safetensors и ONNX. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

Карточка модели silvior1959/segformer_b2_clothes на Hugging Face совпадает с карточкой mattmdjaga/segformer_b2_clothes, поэтому описание составлено по ней. SegFormer B2 от автора mattmdjaga — модель семантической сегментации изображений, дообученная на датасете ATR для распознавания элементов одежды и частей человека. Она размечает изображение по 18 классам: среди них фон, головной убор, волосы, очки, верхняя одежда, юбка, брюки, платье, обувь, лицо, конечности, сумка и шарф. Модель предназначена для выделения одежды и частей тела на изображениях людей. Её можно применять для анализа образа, виртуальных примерок и разметки изображений для последующей обработки. В README приведены метрики оценки: средняя точность 0,80 и средний IoU 0,69; качество различается между классами. Модель принимает изображения и выдаёт карту сегментации. Доступны веса в форматах PyTorch, safetensors и ONNX. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

SegFormer B2 для семантической сегментации людей на изображениях: модель дообучена автором репозитория yolo12138 на наборе human_parsing_29_mix на основе mattmdjaga/segformer_b2_clothes. Она присваивает пикселям классы частей тела и одежды, включая волосы, лицо, руки, ноги, юбки и элементы верхней одежды. В оценке на тестовом наборе указаны Mean IoU 0,6023 и Overall Accuracy 0,9780. Модель подходит для анализа одежды и позиций частей тела на фотографиях, например для каталогизации изображений или подготовки масок сегментации. Метрики показывают неодинаковое качество по классам: для лица, волос, рук и брюк результаты высокие, тогда как для перчаток, очков, обуви, пальто и сумок низкие или нулевые. Репозиторий распространяется по лицензии MIT.

Модель MarieAngeA13/Sentiment-Analysis-BERT разработана авторами GRP209 для определения тональности пользовательских комментариев о товарах и услугах. Это классификатор последовательностей на архитектуре BERT с 136,7 млн параметров; он относит текст к положительной, отрицательной или нейтральной тональности. Модель предназначена для анализа отзывов и комментариев, чтобы помочь компаниям понять реакцию потребителей и выявить проблемы продукта или сервиса. В карточке также описана возможность предлагать более позитивную редакцию нейтрального или негативного текста, но не уточняется, реализована ли она непосредственно этой моделью-классификатором. Модель принимает текст, поддерживает английский язык и имеет контекстное окно до 512 токенов. Опубликованные веса представлены в формате PyTorch. Лицензия — BSD 3-Clause.

BaxterAI/SentimentClassifier — модель классификации текста на базе DistilBERT, дообученная на наборе данных amazon_polarity. Она предназначена для определения тональности отзывов о товарах: модель различает положительные и отрицательные отзывы. На оценочной выборке указаны accuracy 0,91 и F1 0,91. Контекст модели — до 512 токенов. Модель принимает текст и выдаёт метку класса. Распространяется по лицензии Apache-2.0.

Qdrant разработала SPLADE Multi-Domain E-Commerce Search — разреженный текстовый энкодер на базе DistilBERT, дообученный для поиска товаров в нескольких областях электронной коммерции. Модель кодирует запросы и описания товаров в разреженные векторы размерности 30 522, сравниваемые скалярным произведением. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и извлечения товаров по запросу в каталогах Amazon, Wayfair и Home Depot, а также для переноса поиска между разными сегментами электронной коммерции. В карточке сообщается о лучшей междоменной обобщающей способности по сравнению с однодоменной версией и BM25 на приведённых наборах данных. Это англоязычная модель, обученная на данных ESCI, WANDS и Home Depot; лицензия — Apache-2.0. Энкодер выдаёт разреженные признаки для поиска и ранжирования, а не готовые текстовые ответы. Внутри используется DistilBERT с MLM-трансформером и SPLADE pooling; качество может различаться по доменам, причём на ESCI многодоменная версия уступает указанной однодоменной модели.

yuyijiong/T5-large-sentiment-analysis-Chinese 是基于 IDEA-CCNL/Randeng-T5-784M-MultiTask-Chinese 微调得到的中文情感分析模型，参数量约 385,7 млн. Разработчик указывает, что эта версия улучшает предыдущую yuyijiong/Randeng-T5-large-sentiment-analysis-Chinese за счёт решения проблемы переобучения. Модель построена на архитектуре T5 и распространяется в формате PyTorch. Модель извлекает из текста объекты, мнения, аспекты и полярность тональности, представляя результат в структурированном виде. Можно задавать стиль извлечения мнения, анализировать тональность для выбранных аспектов и разрешать модели дополнять отсутствующий объект. Карточка описывает обучение на нескольких китайских и англоязычных наборах данных, включая SemEval 2016 Task 5. Основное назначение — аспектный анализ тональности текстовых отзывов и других высказываний. Хотя метаданные задают тег text-generation, доступная карточка описывает именно извлечение структурированных результатов анализа тональности. В README указано, что это улучшение более ранней версии; условия лицензии и численная длина контекста в доступных данных не приведены.

Карточка модели gubernac/timesfm-3.0-pytorch на Hugging Face совпадает с карточкой google/timesfm-3.0-pytorch, поэтому описание составлено по ней. TimesFM 3.0 — предварительно обученная модель прогнозирования временных рядов, разработанная Google Research. Этот репозиторий содержит официальные веса и конфигурации для PyTorch. Модель построена на архитектуре Stacked Mixing Transformer с Variate Attention и CPM Iterative RevIN. В ней 20 слоёв трансформера, размерность модели 1280 и 16 голов внимания. Длина входного контекста составляет 32, длина патча горизонта прогноза — 64; модель также поддерживает прогнозирование квантилей, медиана находится по индексу 4. При обучении использовались наборы GiftEvalPretrain, Wikipedia Pageviews, Google Trends, а также синтетические и дополненные данные. Модель предназначена для прогнозирования временных рядов и может применяться к задачам оценки будущих значений последовательностей на основе их истории. Метаданные указывают тег задачи time-series-forecasting, формат весов — safetensors. Лицензия обозначена как other; конкретные условия использования следует проверять в репозитории.

Карточка модели mustangxxx/timesfm-3.0-pytorch на Hugging Face совпадает с карточкой google/timesfm-3.0-pytorch, поэтому описание составлено по ней. TimesFM 3.0 — предварительно обученная модель прогнозирования временных рядов, разработанная Google Research. Этот репозиторий содержит официальные веса и конфигурации для PyTorch. Модель построена на архитектуре Stacked Mixing Transformer с Variate Attention и CPM Iterative RevIN. В ней 20 слоёв трансформера, размерность модели 1280 и 16 голов внимания. Длина входного контекста составляет 32, длина патча горизонта прогноза — 64; модель также поддерживает прогнозирование квантилей, медиана находится по индексу 4. При обучении использовались наборы GiftEvalPretrain, Wikipedia Pageviews, Google Trends, а также синтетические и дополненные данные. Модель предназначена для прогнозирования временных рядов и может применяться к задачам оценки будущих значений последовательностей на основе их истории. Метаданные указывают тег задачи time-series-forecasting, формат весов — safetensors. Лицензия обозначена как other; конкретные условия использования следует проверять в репозитории.

Карточка модели Unravler/timesfm-3.0-pytorch на Hugging Face совпадает с карточкой google/timesfm-3.0-pytorch, поэтому описание составлено по ней. TimesFM 3.0 — предварительно обученная модель прогнозирования временных рядов, разработанная Google Research. Этот репозиторий содержит официальные веса и конфигурации для PyTorch. Модель построена на архитектуре Stacked Mixing Transformer с Variate Attention и CPM Iterative RevIN. В ней 20 слоёв трансформера, размерность модели 1280 и 16 голов внимания. Длина входного контекста составляет 32, длина патча горизонта прогноза — 64; модель также поддерживает прогнозирование квантилей, медиана находится по индексу 4. При обучении использовались наборы GiftEvalPretrain, Wikipedia Pageviews, Google Trends, а также синтетические и дополненные данные. Модель предназначена для прогнозирования временных рядов и может применяться к задачам оценки будущих значений последовательностей на основе их истории. Метаданные указывают тег задачи time-series-forecasting, формат весов — safetensors. Лицензия обозначена как other; конкретные условия использования следует проверять в репозитории.

xocialize/tryon-FLUX.2-klein-4B-lora — LoRA-адаптер для модели FLUX.2-klein-4B, разработанный и обученный xocialize. Модель предназначена для виртуальной примерки одежды и редактирования изображений по нескольким референсам. На вход подаются три изображения в фиксированном порядке: фотография человека в полный рост с замаскированной или удалённой областью одежды, отдельно представленная верхняя часть одежды и отдельно представленная нижняя часть. Для цельного платья его следует использовать в обоих слотах одежды. На выходе создаётся изображение человека в указанном комплекте с сохранением личности, позы и фона. Для запуска используется триггер TRYON и библиотека Diffusers с pipeline image-to-image. Адаптер имеет ранг 32 и основан на FLUX.2-klein-4B; опубликованный файл весит около 92,4 МБ. Обучение проводилось на 273 размеченных наборах изображений одежды, с использованием маскирования одежды, сегментации частей гардероба и аннотирования Qwen2.5-VL. Лучше всего модель работает на полноразмерных фотографиях людей в стоячей или сидячей позе. Ограничения включают возможные артефакты из-за захвата посторонних объектов при сегментации нижней части одежды; наиболее слабый сценарий — полностью тёмные комплекты. Модель распространяется по лицензии Apache-2.0. Исходные кадры из Pexels не публикуются, доступны только обученные веса.

ares1123/virtual-dress-try-on — модель виртуальной примерки одежды, размещённая пользователем ares1123 на Hugging Face. В README описана система на основе Stable Diffusion 1.5 с U-Net и DreamBooth; для извлечения признаков используется EfficientNetB3, а OpenPose оценивает ключевые точки человека. В метаданных указан pipeline text-to-image и формат Diffusers с весами safetensors. Модель предназначена для создания изображений, показывающих одежду на человеке, и для прототипирования сценариев виртуальной примерки в онлайн-торговле и исследованиях. README указывает требования к оборудованию и ПО: GPU A100, большой объём оперативной памяти, PyTorch и компоненты Stable Diffusion, OpenPose и EfficientNetB3. Лицензия — CreativeML Open RAIL-M.

Это визуальный энкодер SigLIP из библиотеки timm: модель vit_base_patch16_siglip_384.webli содержит только часть, которая кодирует изображения, и использует исходный механизм attention pooling. Она предназначена для извлечения признаковых векторов изображений, которые можно использовать для поиска по визуальному содержимому, кластеризации и других задач на основе эмбеддингов. Модель работает с изображениями и выдаёт векторные признаки. В метаданных указаны библиотека timm, форматы PyTorch и Safetensors и лицензия Apache-2.0. Размер входа 384 пикселя указан в названии модели.

Это визуальный энкодер vit_large_patch16_siglip_384.webli из семейства SigLIP, опубликованный в библиотеке timm. Модель преобразует изображения в признаки для последующего поиска, сравнения и других задач компьютерного зрения; это только image encoder, без текстового энкодера. Модель использует архитектуру Vision Transformer с крупными патчами 16×16 и входным разрешением 384 пикселя, а также исходный механизм attention pooling. Веса доступны в форматах PyTorch и safetensors. Лицензия — Apache 2.0.

Это модель извлечения признаков изображений из семейства SigLIP 2, представленная как визуальный энкодер ViT для библиотеки timm. Она соответствует визуальной башне мультимодальной модели SigLIP 2 и обучалась на датасете WebLI; языковой энкодер в репозитории отсутствует. Модель предназначена для получения векторных представлений изображений, которые можно использовать для поиска по сходству, кластеризации и других сценариев сравнения изображений. Метаданные указывают задачу image-feature-extraction; веса доступны в форматах PyTorch и Safetensors. Для сопоставления изображений с текстом потребуется отдельный совместимый текстовый энкодер. Указана лицензия Apache-2.0.

anchovy/autogluon-chronos-t5-mini — вариант Chronos-T5 Mini для вероятностного прогнозирования временных рядов. Chronos разработан на базе архитектуры T5: история ряда масштабируется и квантуется в последовательность из 4096 токенов, которую модель обрабатывает как языковую последовательность. По метаданным эта версия содержит 9,8 млн параметров и имеет контекст длиной 512 токенов. Модель принимает исторические значения временного ряда и генерирует несколько возможных траекторий будущих значений, формируя прогнозное распределение. Chronos обучался на общедоступных временных рядах и синтетических данных, созданных с помощью гауссовских процессов. Модель подходит для прогнозирования временных рядов; README описывает семейство Chronos, а не конкретную публикацию этого чекпойнта. Репозиторий содержит веса в формате Safetensors. Указана лицензия Apache-2.0. Число параметров в метаданных отличается от значения для Mini в таблице README, поэтому здесь приведено значение из метаданных Hugging Face.

dtunkelang/bag-of-documents-minilm — англоязычный энкодер предложений от разработчика модели, дообученный на базе sentence-transformers/all-MiniLM-L6-v2 для исследовательского retrieval-проекта bag-of-documents с обучающими сигналами из каталога Amazon ESCI. Модель преобразует запросы, предложения и абзацы в нормализованные плотные векторы размерности 384; сходство можно оценивать косинусной мерой. Архитектура — Sentence Transformer на базе BERT с усреднением токенных представлений и нормализацией. Модель предназначена прежде всего для кодирования поисковых запросов и семантического поиска по каталогу товаров, а также для сравнения текстов, поиска перефразировок и кластеризации. Метаданные указывают 25,9 млн параметров и контекст 512 токенов, тогда как README сообщает максимальную длину последовательности 256 токенов. В репозитории указана лицензия Apache-2.0. Модель обучалась на данных Amazon ESCI, поэтому её пригодность для других областей и языков может быть ниже; длинный текст сверх лимита последовательности не обрабатывается целиком.

BEN2 (Background Erase Network 2) — модель сегментации переднего плана и удаления фона, разработанная PramaLLC. Она использует конвейер Confidence Guided Matting: сеть-уточнитель обрабатывает пиксели с низкой уверенностью базовой модели, улучшая маски и края объектов. Модель обучена на DIS5k и внутреннем наборе данных из 22 тысяч примеров сегментации. BEN2 предназначена для отделения объектов от фона, в том числе при обработке волос и сложных контуров; README также описывает пакетную обработку изображений и сегментацию видео. Указана поддержка обработки изображений с разрешением до 4K. В репозитории представлены форматы ONNX и safetensors. Открытая базовая модель доступна по лицензии MIT. Полная версия предлагается через веб-демо или API. README не сообщает подробностей о поддерживаемых языках и ограничениях качества.