IV.1Ритейл, электронная коммерция и fashion-tech

Карточка модели CB-3AXAPOB/Hunyuan3D-2.1 на Hugging Face совпадает с карточкой tencent/Hunyuan3D-2.1, поэтому описание составлено по ней. Hunyuan3D-2.1 — модель Tencent для создания 3D-объектов по входному изображению. Она предназначена для преобразования изображения в трёхмерный объект, например для подготовки ассетов в графике и 3D-производстве. Модель доступна в форматах PyTorch и Safetensors и связана с библиотекой hunyuan3d-2. В карточке Hugging Face указаны поддержка английского и китайского языков и лицензия other. Сведения о конкретных архитектуре, размере модели, контекстном окне и ограничениях качества не приведены.

Ideogram 4 NF4 — версия с открытыми весами модели генерации изображений по текстовому описанию, разработанной Ideogram и переизданной Unsloth как зеркало исходного репозитория; веса не изменены. Это модель-основа, обученная с нуля, а не дообучение существующей модели. Архитектура основана на DiT и flow matching; версия содержит 9,3 млрд параметров и квантована в NF4 для запуска через Diffusers на CUDA. Модель предназначена для создания изображений, особенно графического дизайна и типографики. Она поддерживает структурированные JSON-подсказки, многоязычное отображение текста на изображениях, управление расположением элементов через ограничивающие рамки и настройку цветовой палитры. Заявлена генерация изображений с разрешением до 2K. Среди сильных сторон — следование сложным описаниям, контроль композиции и качественный рендеринг надписей. Для использования весов применяются условия лицензии Ideogram 4 Non-Commercial; перед загрузкой исходной gated-модели требуется принять условия доступа Hugging Face. В README также указана проверка подсказок и результатов через Hive, а функция расширения подсказки по умолчанию обращается к размещённому сервису Ideogram. Указанная в метаданных лицензия — other.

Juggernaut XI Lightning — модель генерации изображений по текстовому описанию, созданная KandooAI совместно с RunDiffusion. Она основана на Stable Diffusion XL Base 1.0 и представляет собой ускоренную версию Juggernaut XI v11, дистиллированную с использованием SDXL Lightning. Модель предназначена для быстрого создания фотореалистичных изображений и итеративного подбора промптов. Она наследует улучшения Juggernaut XI в детализации лиц, рук и анатомии, следовании запросу и отображении короткого текста на изображениях. Поддерживает промпты на естественном языке и в формате тегов; для генерации рекомендованы 5–7 шагов и CFG 1,5–2,0. По сравнению со стандартной Juggernaut XI модель быстрее и требует меньше видеопамяти при генерации, однако README рекомендует стандартную XI v11, если важнее максимальное качество отдельного изображения. Репозиторий распространяется в форматах Diffusers, PyTorch и Safetensors по лицензии CC BY-NC-ND 4.0, которая запрещает коммерческое использование и распространение производных версий.

Kandinsky 5.0 T2I Lite SFT — модель генерации изображений по текстовому описанию от команды Kandinsky Lab. Это облегчённая модель семейства Kandinsky 5.0 с 6 млрд параметров, дообученная под контролируемым обучением на основе Kandinsky-5.0-T2I-Lite-pretrain-Diffusers. Модель использует латентный диффузионный конвейер с Flow Matching и Diffusion Transformer (DiT), который взаимодействует с текстовыми представлениями через cross-attention. Для кодирования текста применяются Qwen2.5-VL и CLIP, а для кодирования и декодирования изображений — Flux VAE. Модель предназначена для создания изображений по текстовым запросам; в README она обозначена как вариант с наивысшим качеством генерации среди перечисленных моделей Image Lite. Репозиторий распространяется в формате Diffusers и под лицензией MIT. В README указано, что на момент обновления модели поддержка ещё не была включена в основной Diffusers и предлагалось использовать форк; это может влиять на настройку и запуск.

Krea 2 Raw — базовый чекпойнт модели генерации изображений по тексту, разработанный компанией Krea.ai, Inc. Это Diffusion Transformer с 12 млрд параметров, опубликованный в формате открытых весов и предназначенный прежде всего для дообучения и постобработки под собственные задачи и предметные области. Карточка не рекомендует использовать Raw для обычного инференса; один из описанных сценариев — обучение LoRA на Raw с последующим применением на Krea 2 Turbo. Модель принимает текстовые описания и генерирует изображения. Она рассчитана на творческие и коммерческие рабочие процессы: создание изображений, разработку концепций, исследование дизайна и интеграцию в приложения. Основной язык в карточке и метаданных — английский. Указанная лицензия — Krea 2 Community License; для развёртываний требуются фильтрация контента или эквивалентные процедуры проверки согласно лицензии и политике допустимого использования. Модель может не следовать запросу точно и выдавать нежелательные результаты; качество следования зависит от языка, стиля, конкретности и формулировки запроса. Она не предназначена для получения фактической информации. Карточка также отмечает, что проверка безопасности не охватывает все возможные сценарии.

lvladikov/Krea2-Turbo-Distill-4step-LoRA — LoRA-адаптер для модели Krea 2 Turbo, предназначенный для генерации изображений по текстовому описанию. Разработчик адаптера — lvladikov; базовая модель создана командой Krea. Адаптер совместим с Diffusers и ComfyUI и не требует пользовательских узлов, изменённого sampler или дополнительного кода. Модель сокращает минимальное практическое число шагов денойзинга Krea 2 Turbo с 8 до 4, используя сигмы и конфигурацию базовой модели. По заявленным результатам, это обеспечивает примерно в 1,6 раза более быструю генерацию при сохранении качества мелких текстур: на части тестов оно сопоставимо с 8-шаговой версией или превосходит её. Обучение проводилось на 78 000 образцах, включая текстовые промпты и реальные фотоснимки, с учётом соответствия изображений исходным описаниям. Поддерживаются 12 разрешений и различные соотношения сторон в диапазоне от 512×512 до 1440×1440. Адаптер предназначен для ускоренной text-to-image генерации, включая фотореалистичные изображения и художественные сцены. Рекомендуется использовать 4 шага инференса и guidance scale 0; сила адаптера масштабируется, причём значение 0,75 указано как подходящая альтернативная настройка. При полной силе на стилизованных изображениях, высококонтрастных сценах и очень больших разрешениях текстура может выглядеть чрезмерно выраженной. Для работы требуется базовая модель Krea 2 Turbo и соответствующее окружение Diffusers или ComfyUI. Распространяется по Krea 2 Community License, обозначенной как лицензия other; условия следует уточнять в приложенном LICENSE.pdf.

LexCAT — модель анализа тональности текста, разработанная Гленном Маркусом Д. Синко в Mapúa University в рамках тезисной работы. Она дообучена на XLM-RoBERTa с лексиконом LexiLiksik и предназначена для классификации тональности в код-свитчевых текстах на тагальском и английском языках, включая смену тональности внутри предложения. Модель обучалась на 10 487 отзывах FiReCS; для оценки использовались наборы SentiTaglish Products and Services и тестовая часть FiReCS. Архитектура — XLM-RoBERTa для классификации последовательностей, около 305,2 млн параметров; максимальный контекст — 514 токенов. LexCAT учитывает лексические признаки, корректирует внимание к словам с эмоциональной окраской и использует метаданные при агрегации представлений. В README указаны точность 84,31% и F1 0,8566 на валидации; модель особенно рассчитана на смешанный Taglish и контрастные фразы вроде «Maganda pero expensive». Доступна по лицензии CC BY 4.0.

LLaVA-Saiga-8b — русскоязычная визуально-языковая модель DeepVK на базе IlyaGusev/saiga_llama3_8b, обученная по исходному конвейеру LLaVA. Она принимает изображение и текстовый запрос и генерирует текстовый ответ, поддерживая диалоговый формат. Модель ориентирована прежде всего на русский язык, но также работает с английским. Модель обучалась в два этапа: адаптер предварительно обучали на данных ShareGPT4V, затем LLM и адаптер дообучали на русскоязычных инструкциях для визуальных задач, переводной части GQA и инструкционных данных ShareGPT4V. В README приведены результаты на GQA и MMBench на русском и английском языках. Модель распространяется в формате safetensors и использует библиотеку Transformers. Подходит для ответов на вопросы об изображениях и диалога с визуальным контекстом. Лицензия — Apache-2.0. README не приводит число параметров или длину контекста.

Lumina-Next-SFT — модель генерации изображений по текстовому описанию от разработчиков Lumina-T2X. Её архитектура включает генератор Next-DiT с 2 млрд параметров, текстовый энкодер Gemma-2B и VAE на основе версии SDXL от Stability AI. Модель обучена методом supervised fine-tuning с использованием высококачественных данных; в метаданных указан датасет JourneyDB. Модель предназначена для создания изображений по текстовым запросам. В README заявлена генерация с разрешением 1024 пикселя, а для семейства Lumina-Next-T2I упоминается поддержка разрешения до 2K. Репозиторий использует библиотеку Diffusers и формат safetensors. Лицензия — Apache-2.0. Карточка не описывает языковой охват запросов и ограничения качества, поэтому эти характеристики здесь не уточняются.

Карточка модели chuonghm/maggie-video-vim2k5-cvpr24 на Hugging Face совпадает с карточкой chuonghm/maggie-image-him50k-cvpr24, поэтому описание составлено по ней. MaGGIe (Mask Guided Gradual Human Instance Matting) — модель для выделения людей и получения альфа-маттинга с учётом отдельных экземпляров. Её разработали Chuong Huynh, Seoung Wug Oh, Abhinav Shrivastava и Joon-Young Lee в рамках стажировки в Adobe Research; работа принята на CVPR 2024. Модель использует бинарную маску как подсказку и предназначена для обработки изображений и видео. Она помогает получить детализированные маски прозрачности людей с сохранением разделения на экземпляры, например для композитинга и редактирования фона. В метаданных Hugging Face основная задача указана как сегментация изображений; веса опубликованы в формате safetensors. Репозиторий распространяется по лицензии CC BY 4.0. Описание не сообщает размер модели, длину контекста или перечень поддерживаемых языков; языковой ввод для этой задачи не является основным.

MIDI-3D — генеративная модель VAST-AI для создания композиционных 3D-сцен по одному изображению. Она представлена в работе «MIDI: Multi-Instance Diffusion for Single Image to 3D Scene Generation» и предназначена для преобразования входного изображения в сцену из нескольких 3D-объектов. Модель принимает изображение и выдаёт 3D-сцену. В репозитории указаны формат Diffusers и веса Safetensors. Лицензия — Apache-2.0.

MobileNetV3 Small 0.75 — компактная модель классификации изображений, опубликованная авторами библиотеки timm. Она обучена на ImageNet-1k с рецептом LAMB, EMA-усреднением весов и ступенчатым затуханием скорости обучения. В модели около 2 млн параметров; рекомендуемый размер изображения — 224 × 224 пикселя. Модель предназначена для определения объектов на изображениях и может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Компактный размер подходит для сценариев, где важны небольшая вычислительная нагрузка и классификация изображений общего назначения. Доступны веса PyTorch и safetensors; лицензия — Apache-2.0. Классификатор обучен на классах ImageNet-1k, поэтому его предсказания ограничены этим набором категорий. README не приводит метрики качества или сведений о поддержке изображений иных размеров.

MobileOne S4 — модель классификации изображений и визуальный backbone семейства MobileOne, опубликованная авторами статьи и обученная на ImageNet-1k. Она предназначена для отнесения изображений к классам, извлечения карт признаков и получения визуальных эмбеддингов; доступный вариант рассчитан на изображения размером 224 × 224 пикселя. Модель содержит около 15 млн параметров и требует примерно 3 GMACs вычислений на изображение. Репозиторий предоставляет веса PyTorch в формате Safetensors; для работы используется библиотека timm. Лицензия указана как other, а карточка просит соблюдать исходную лицензию.

NextStep-1-Large — модель StepFun для авторегрессионной генерации изображений по текстовому описанию. Она сочетает авторегрессионную модель на 14 млрд параметров с головой flow matching на 157 млн параметров и обучена предсказывать следующие элементы последовательности из дискретных текстовых и непрерывных визуальных токенов. В метаданных указана архитектура LlamaForCausalLM и контекстное окно 131 072 токена. Модель предназначена для синтеза изображений высокого качества по текстовым запросам. В карточке заявлено, что она показывает передовые результаты среди авторегрессионных моделей в задачах text-to-image. Репозиторий использует библиотеку Transformers и формат safetensors; лицензия — Apache-2.0. Метаданные также отмечают поддержку чата и интерфейса вызова инструментов, но README не описывает эти возможности подробно.

Q-Align — модель компании Q-Future для оценки визуального качества изображений и видео. Она основана на архитектуре mPLUG-Owl2 и имеет 6,6 млрд параметров; репозиторий содержит веса PyTorch, а лицензия — MIT. Модель предназначена для оценки качества изображений без эталона и с эталоном, эстетической оценки изображений и оценки качества видео. В карточке приведены результаты на наборах KonIQ, SPAQ, KADID, LIVE-C, LIVE, CSIQ, AGIQA, AVA и наборах видео, включая тестирование на некоторых данных, не встречавшихся при обучении. Метаданные также указывают поддержку классификации изображений с нулевым обучением и генерации текста; README описывает запуск модели как оценщика, а не подробные сценарии этих задач. Модель принимает изображения и видео и выдаёт текстовые оценки или ответы о качестве; встроенный контекст составляет 2048 токенов. README рекомендует для запуска transformers версии 4.36.1. Языки карточки не указаны. Результаты зависят от набора данных и не гарантируют одинакового качества для любых типов изображений и видео.

OPD-V-Qwen3.5-4B — дообученная мультимодальная модель на базе Qwen/Qwen3.5-4B, представленная в рамках исследовательской работы OPD-V. Чекпойнт обучен с положительными изображениями, содержащими увеличенные области с рамками объектов, и отрицательными изображениями со случайными масками. Модель предназначена для диалога и рассуждений по изображениям, с акцентом на улучшенное восприятие визуальных деталей в условиях дисбаланса между модальностями. Она принимает текст и изображения и генерирует текстовые ответы. В карточке указаны архитектура Qwen3.5 и формат safetensors; базовая модель насчитывает 4 млрд параметров. Карточка не сообщает длину контекста и лицензию, поэтому условия использования уточнить по доступным данным нельзя.

Карточка модели zxhezexin/openlrm-base-obj-1.0 на Hugging Face совпадает с карточкой zxhezexin/openlrm-small-obj-1.0, поэтому описание составлено по ней. openlrm-small-obj-1.0 — модель проекта OpenLRM, открытой реализации статьи LRM для создания 3D-представления объекта по изображению. Она обучена на данных Objaverse и предназначена для преобразования входного изображения в 3D-объект. Модель имеет 12 слоёв, размерность признаков 768, размерность triplane-представления 32 и разрешение рендеринга 192. В реализации декодер triplane состоит из четырёх слоёв; также не используется техника deferred back-propagation из оригинальной статьи. Это не официальный релиз авторов статьи, поэтому результаты могут отличаться от оригинала. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

PixelEyes-4B — мультимодальная модель визуального рассуждения из семейства Qwen3-VL, представленная как агент для многошагового поиска визуальных свидетельств. Она разделяет рассуждение и детальную локализацию: специализированный компонент восприятия помогает находить нужные области изображения, чтобы агент мог точнее отвечать на вопросы с опорой на визуальные данные. Репозиторий содержит веса модели; дополнительные сведения об обучении и оценке представлены в статье и связанном GitHub-репозитории. Модель предназначена для диалоговых сценариев, где требуется последовательно искать мелкие или точные визуальные детали и использовать их в рассуждении. Метаданные указывают архитектуру Qwen3VLForConditionalGeneration, плотный тип модели, формат safetensors и возможности чата и обработки изображений. Лицензия, размер параметров и длина контекста в предоставленных источниках не указаны.

PixelEyes-8B — мультимодальная модель на архитектуре Qwen3-VL, представленная в работе «PixelEyes: Decoupling Perception and Reasoning for Pinpoint Visual Evidence Seeking». Она предназначена для диалогового анализа изображений и многошагового визуального рассуждения: модель помогает находить на изображении точные визуальные свидетельства, делегируя детальную локализацию специализированному инструменту восприятия. Модель рассчитана на сценарии, где нужно последовательно исследовать изображение и обосновывать ответы конкретными визуальными деталями. Репозиторий содержит веса в формате safetensors. Лицензия, размер контекста и список поддерживаемых языков в предоставленных данных не указаны.

Protogen x5.3 — модель генерации изображений по текстовому описанию от darkstorm2150, основанная на Stable Diffusion 1.5 и дообученная на основе darkstorm2150/Protogen_x3.4_Official_Release. Она ориентирована на фотореалистичные изображения людей и окружения; автор отмечает улучшенную генерацию при разрешении от 768 до 1024 пикселей и пригодность для дальнейшей настройки в стиле DreamBooth. Модель принимает текстовые запросы и создаёт изображения. Доступны веса в форматах Diffusers, PyTorch и Safetensors, включая версии в fp16. Для лицензии CreativeML OpenRAIL-M действуют условия использования, приведённые в самой лицензии. Карточка предупреждает о склонности модели к откровенным изображениям и рекомендует добавлять nude и naked в негативный запрос, если такой контент нежелателен. Указанные характеристики генерации основаны на описании автора и не сопровождаются в карточке количественной оценкой качества.

Qwen-Image-2512-4bit-MLX — 4-битная версия текстовой модели генерации изображений Qwen-Image-2512, подготовленная mlx-community для работы на Apple Silicon. Репозиторий содержит веса в формате safetensors, оптимизированные для MLX и запуска через mflux. Модель создаёт изображения по текстовым запросам; её можно использовать для генерации фотореалистичных сцен и других изображений из описаний. Базовая Qwen-Image-2512 отмечена улучшенной реалистичностью людей, детализацией природных сцен и отрисовкой текста. Квантизация до 4 бит снижает требования к памяти: в README для этой версии указано 24 ГБ. Для запуска README предлагает библиотеку mflux и команду mflux-generate-qwen. Модель рассчитана на Apple Silicon. Лицензия — Apache-2.0.

Frederic75/Qwen-Image-2512-GGUF — это квантизированная версия фундаментальной text-to-image-модели Qwen-Image-2512, разработанной командой Qwen. Модель предназначена для генерации изображений по текстовым описаниям и распространяется в формате GGUF через библиотеку Diffusers. Модель ориентирована на создание реалистичных изображений людей, сцен природы и повседневных сюжетов, а также на формирование композиций с текстовыми элементами. По сравнению с базовой версией Qwen-Image она заявляет более естественную передачу человеческой внешности, мелких деталей природных объектов, волос, лиц и улучшенное рендеринг текста и компоновки. Заявлены поддержка английского и китайского языков, однако сведения о размере модели, точной архитектуре, максимальном контексте и дополнительных модальностях в README не приведены. К преимуществам относятся повышенный фотореализм, детализация и качество отображения текста внутри изображений. К ограничениям относятся отсутствие в предоставленных данных подробных характеристик производительности, требований к оборудованию и описания возможных ограничений генерации. Модель распространяется по лицензии Apache-2.0.

vantagewithai/Qwen-Image-2512-GGUF — это квантизированная версия модели Qwen-Image-2512, разработанной командой Qwen и распространяемой пользователем VantageWithAI в формате GGUF. Модель предназначена для генерации изображений по текстовому описанию и интегрируется с экосистемой Diffusers. Заявленные языки — английский и китайский. Модель ориентирована на создание реалистичных изображений людей, природных сцен, животных и композиций с текстовыми элементами. По сравнению с базовой версией Qwen-Image, обновление 2512 улучшает реалистичность человеческих лиц и внешности, детализацию природных объектов, включая шерсть и ландшафты, а также качество размещения и отображения текста на изображениях. Отдельно отмечается более точная мультимодальная композиция текста и изображения, однако в предоставленных данных не указаны конкретные архитектурные параметры, размер модели, максимальное разрешение или длина контекста. К сильным сторонам относятся повышенная фотореалистичность, детализация мелких элементов и улучшенное рендеринг текста. Ограничения связаны с отсутствием подробных сведений о производительности GGUF-квантизации, требованиях к оборудованию и поддерживаемых режимах работы; фактическое качество может зависеть от выбранной степени квантизации и программного окружения. Модель распространяется по лицензии Apache-2.0.

Qwen-Image-Edit-2511-Ultra-Realistic-Portrait — адаптер LoRA, разработанный prithivMLmods для базовой модели Qwen/Qwen-Image-Edit-2511. Он предназначен для image-to-image преобразований, прежде всего для создания ультрареалистичных гламурных портретов с сохранением личности, естественной структуры лица и исходных деталей человека на изображении. Модель усиливает кинематографичное направленное освещение, модный журнальный стиль, детализацию макияжа и реалистичную текстуру кожи, включая микропоры, мелкие волоски, естественный блеск, мягкие морщины и эффект subsurface scattering. Она подходит для премиальной портретной генерации, fashion-визуалов и художественной обработки фотографий, где важны реализм, согласованность освещения и высокая точность сохранения идентичности. Для активации эффекта рекомендуется использовать триггерный запрос «ultra-realistic portrait». Модель подключается как LoRA через Diffusers к Qwen-Image-Edit-2511 и совместима с версиями 2509 и 2511. README не указывает размер адаптера, точную архитектуру базовой модели, перечень поддерживаемых языков, максимальную длину контекста или дополнительные модальности; заявленный сценарий работы — редактирование изображений с текстовым запросом. Возможное ограничение — специализация на реалистичных портретах и гламурной стилистике, поэтому результаты для других типов изображений могут быть менее предсказуемыми. Лицензия — Apache-2.0.

Realistic Stock Photo 3 SD1.5 — модель генерации изображений по текстовому описанию в формате Stable Diffusion 1.5, распространяемая в форматах Diffusers и safetensors. Карточка предлагает добавлять в промпт слово photo и содержит примеры фотореалистичных сцен, портретов и кинематографических снимков. Модель подходит для создания реалистичных изображений людей, семейных и праздничных сцен, фантастических персонажей и постановочных фотографий. В метаданных указан английский язык. Модель использует лицензию CreativeML OpenRAIL-M; её условия регулируют допустимое использование и распространение.

Realistic_Vision_V2.0 — модель генерации изображений по текстовому описанию в формате Stable Diffusion, опубликованная пользователем votepurchase. Она предназначена для создания фотореалистичных изображений, в частности портретов и сцен с детализированной кожей. В карточке рекомендованы VAE для повышения качества и устранения синих артефактов, а также сэмплеры Euler A или DPM++ 2M Karras и последующее увеличение разрешения. Модель принимает текстовые промпты и генерирует изображения. Автор советует использовать CFG Scale 3,5–7 и 25 шагов; для Hires.fix указаны ноль дополнительных шагов, denoising strength 0,25–0,45 и увеличение в 1,1–2 раза. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors. Лицензия — CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.

Realistic Vision v6.0 B1 Inpaint — модель Stable Diffusion от ModelsLab для генерации фотореалистичных изображений по текстовому запросу. Карточка показывает использование через StableDiffusionPipeline и API ModelsLab; указаны параметры промпта, негативного промпта, размера изображения и шагов генерации. Название версии указывает на сценарий inpainting, однако README не описывает его настройки или работу с маской.

RegNetY 10B — крупная модель компьютерного зрения семейства RegNetY, опубликованная Facebook и обученная на одном миллиарде неотобранных изображений из Instagram. Она предназначена для извлечения признаков изображений и может использоваться как основа для классификации изображений; для специализированных задач подходят дообученные версии. Модель принимает изображения и выдаёт визуальные признаки. В репозитории представлены веса PyTorch. Лицензия — Apache-2.0. Карточка не описывает ограничения качества или конкретные наборы оценки.

RepGhostNet-150 — модель классификации изображений и извлечения признаков, обученная авторами статьи на ImageNet-1k. Она относится к семейству RepGhostNet и использует эффективные Ghost-модули с репараметризацией; модель содержит около 6,6 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для классификации изображений, получения карт признаков и создания визуальных эмбеддингов. Компактность и заявленная аппаратная эффективность делают её подходящей как backbone для компьютерного зрения и для сценариев, где важны низкая вычислительная нагрузка и размер модели. Репозиторий распространяет веса в форматах PyTorch и Safetensors; лицензия — MIT. Обучение проводилось на ImageNet-1k, поэтому назначение модели — распознавание объектов из набора классов этого датасета. README не приводит результатов оценки и конкретных ограничений качества; перенос на другие предметные области может потребовать адаптации.

RepGhostNet 200 — модель классификации изображений и извлечения визуальных признаков из семейства RepGhostNet, обученная авторами статьи на ImageNet-1k. Она предназначена для присвоения изображению класса, извлечения карт признаков и получения визуальных эмбеддингов; заявленный размер входа — 224 × 224 пикселя. Модель содержит 9,8 млн параметров и требует около 0,5 GMAC на проход. Репозиторий предоставляет веса PyTorch в формате safetensors и распространяется по лицензии MIT. Это компактная визуальная модель общего назначения, обученная на ImageNet-1k; сведения о конкретной точности или поддержке иных наборов классов не приводятся.