IV.8Государственное управление, правосудие и чрезвычайные ситуации

Congretimbau — модель BERT, разработанная Belisards путём продолжения обучения BERTimbau Base на текстах законопроектов Бразилии. Она предназначена для предсказания замаскированных токенов в текстах на бразильском португальском и может использоваться для анализа и подготовки текстовых представлений законодательных документов. Данные для обучения получены из Палаты депутатов и Федерального сената Бразилии; карточка сообщает значение eval_loss 0,4885 после 10 000 шагов обучения. Модель основана на архитектуре BERT с головой masked language modeling, содержит 433,2 млн параметров и поддерживает контекст до 512 токенов. Распространяется в формате Safetensors через Transformers по лицензии MIT. Специализация на законодательных текстах Бразилии ограничивает применимость за пределами этой области; приведённая метрика оценки сама по себе не подтверждает качество на прикладных задачах.

Custom Legal-BERT — англоязычная модель семейства BERT, разработанная авторами работы «When Does Pretraining Help? Assessing Self-Supervised Learning for Law and the CaseHOLD Dataset». Модель обучена с нуля на корпусе из 3 446 187 судебных решений федеральных судов и судов штатов США, охватывающем период с 1965 года до настоящего времени. Для юридических текстов адаптированы токенизация и сегментация предложений; словарь SentencePiece содержит 32 000 токенов. Модель с 137,8 млн параметров обучалась 2 млн шагов на задачах masked language modeling и next sentence prediction. Она предназначена для заполнения пропусков в юридическом тексте и может служить основой для дообучения на классификацию и задачи множественного выбора, включая анализ отмены судебных прецедентов, условий обслуживания и CaseHOLD. Контекст составляет до 512 токенов; доступны веса для PyTorch, TensorFlow и Flax. Модель специализируется на юридическом английском и корпусе судебных решений США, поэтому её пригодность для других языков, правовых систем и широких разговорных задач не установлена. Условия лицензирования в предоставленных сведениях не описаны.

KL3M 170M, 6-го поколения, — языковая модель Alea Institute для генерации текста на основе Llama с Grouped Query Attention. Чекпойнт обучен на юридических соглашениях; он содержит 181,7 млн параметров, включая 170 млн непринадлежащих эмбеддингам, и обучался 33 000 шагов с оптимизатором Muon и спектральной регуляризацией. Модель работает с контекстом до 4096 токенов и хранится в формате safetensors; в README указана точность BF16. Модель предназначена прежде всего для генерации связного юридического и договорного текста, например проектов формулировок и продолжений соглашений. По карточке, генерация плавная и без проблем с повторениями. Указанная в README оценка spectral health характеризует состояние слоёв, но не заменяет независимую проверку качества и пригодности для конкретных юридических задач. Лицензия — Apache-2.0. Модель ориентирована на английский язык и юридический домен; результаты следует проверять перед практическим использованием, поскольку карточка не приводит оценки точности на юридических тестах или гарантий корректности правовых формулировок.

Legal-Llama-2-ko-7b-Chat — корейская модель для генерации ответов на юридические вопросы, разработанная командой Boostcamp AI Tech Team YoonSeul на основе kfkas/Llama-2-ko-7b-Chat. Модель дообучена на собственных данных с юридическими вопросами и ответами; в примерах она отвечает на вопросы о наследстве, иске о возмещении ущерба и мошенничестве с недвижимостью. Это плотная авторегрессионная модель семейства Llama с архитектурой Transformer и 6,7 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 2048 токенов. Карточка указывает корейский и английский языки, однако специализация модели — юридические вопросы на корейском языке. Модель предназначена для диалоговых консультаций и справочных ответов по правовым темам. Примеры показывают, что ответы могут содержать неточные юридические сведения, поэтому их следует проверять у квалифицированного специалиста. Для загрузки весов и токенизатора требуется принять лицензию Meta.

Midris/Llama-3.2-3B-Legal-SFT — дообученная модель семейства Llama 3.2, разработанная midris на базе unsloth/Llama-3.2-3B-Instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная языковая модель с 3,2 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; заявленное назначение связано с юридической тематикой. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Модель может служить основой для генерации ответов и диалогов по юридическим вопросам на английском языке. README не приводит описания обучающих данных, проверок качества или конкретных юридических сценариев, поэтому соответствие ответов требованиям права и точность правовой информации по имеющимся сведениям оценить нельзя. Лицензия — Apache-2.0.

Metro Safety YOLO-World — настраиваемая модель обнаружения объектов, разработанная для прототипа конкурса по интеллектуальному видеонаблюдению. Она дообучена на YOLOv8s-World-v2 и распознаёт пять категорий: клинки, острые инструменты, людей, лежащих людей и крупный багаж. Модель можно применять к изображениям и видео с помощью Ultralytics; обученный набор классов следует сохранять без переопределения. Обучение проводилось на 11 040 изображениях из OD-WeaponDetection, Open Images V7 и E-FPDS; часть рамок людей получена псевдоразметкой. На публичной проверочной выборке из 1 459 изображений общая точность mAP50 составила 0,744, а mAP50–95 — 0,496. Модель является конкурсным исследовательским прототипом и не проверялась в условиях метро. Она может пропускать небольшие или закрытые предметы; обнаружение предмета не устанавливает намерение, а обнаружение лежащего человека не подтверждает факт падения. Для тревог нужны анализ последовательности кадров и проверка человеком. Условия лицензирования весов отдельно не заявлены; применяются лицензии Ultralytics и использованных данных, причём права повторного использования некоторых наборов требуют уточнения.

Qwen2.5-VL-7B-Meteorology-i1-GGUF — квантованные GGUF-версии мультимодальной модели deepguess/Qwen2.5-VL-7B-Meteorology, подготовленные mradermacher. Модель основана на Qwen2.5-VL с размером около 7 млрд параметров и предназначена для работы с изображениями и текстом в метеорологических, погодных и климатических сценариях. В README указан английский язык, однако сведения о полном наборе поддерживаемых языков отсутствуют. Модель подходит для анализа метеорологических изображений и текстовых запросов, а также для задач image-to-text и связанных с ними приложений. Доступны варианты квантования от IQ1_S до Q6_K размером примерно от 2,0 до 6,4 ГБ, что позволяет выбирать между требованиями к памяти, скоростью и качеством. Рекомендуемыми в README названы варианты Q4_K_M и Q4_K_S; для работы с визуальными входными данными могут потребоваться отдельные mmproj-файлы из статического репозитория. Основные ограничения — возможное снижение качества на низких уровнях квантования, отсутствие в README данных о контекстном окне, результатах тестирования, точных архитектурных параметрах и гарантированной точности метеорологических выводов. Модель не следует рассматривать как замену профессиональным системам прогнозирования или экспертной проверке. Лицензия обозначена как qwen2.5-vl; в карточке также указана категория other и ссылка на лицензию Qwen2.5-VL-7B-Instruct.

RAMEN — разработанная авторами статьи RAMEN Resolution-Adjustable Multimodal Encoder for Earth Observation модель-энкодер для дистанционного зондирования Земли. Она формирует общие визуальные представления для данных разных сенсоров, учитывая модальность и пространственное и временное разрешение. README описывает поддержку мультиспектральных данных, SAR и карт высот, а также возможность объединять несколько модальностей в едином представлении. Ключевая особенность модели — настраиваемое пространственное разрешение выходных карт признаков: его можно выбирать при инференсе, управляя компромиссом между детализацией и вычислительными затратами. RAMEN предназначена для извлечения признаков и последующего применения в задачах анализа спутниковых данных; результаты представлены для восьми задач бенчмарка PANGAEA. Репозиторий содержит веса PyTorch, лицензия — MIT.

SatQuest — мультимодальная модель семейства Qwen2-VL, разработанная в рамках проекта NED University of Engineering & Technology для ответов на вопросы по спутниковым изображениям. Она дообучена на базе Abdullah-123/qwen2vl-2b-hrvqa-lora с помощью continued SFT: модель обучали формулировать ответы полными предложениями, а не короткими метками или числами. Модель предназначена для визуального анализа спутниковых снимков: она отвечает на вопросы о видимых объектах, транспорте, воде и их количестве. Размер модели — 1,5 млрд параметров, контекст — до 32 768 токенов. В карточке указаны английский язык и архитектура Qwen2-VL с поддержкой зрения и чата; веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Модель специализирована на спутниковых изображениях и вопросно-ответных парах HRVQA, поэтому её ответы для других типов изображений или задач могут быть менее надёжными.

Модель archit11/videomae-base-finetuned-ucfcrime-full — дообученная на датасете UCF-CRIME версия видеотрансформера MCG-NJU/videomae-base. Она предназначена для классификации видео, в частности для распознавания категорий преступного поведения и инцидентов в видеоматериалах. Модель содержит 113,2 млн параметров и распространяется в формате safetensors. На оценочном наборе указаны loss 2,5014 и accuracy 0,225, поэтому результаты классификации следует проверять на целевых данных перед применением. README не описывает состав классов и процедуру обучения подробнее. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое использование.

Aerial-Drone-Image-Segmentation — модель семантической сегментации аэрофотоснимков, разработанная на основе nvidia/mit-b0 и дообученная для разметки изображений, полученных с дрона. Она использует архитектуру SegFormer B0 и принимает изображение, возвращая сегментационную маску с классами объектов по пикселям. Модель подходит для анализа сцен с воздуха, например для выделения объектов и областей на кадрах с дрона. В README приведены результаты оценки: mean IoU около 0,28–0,30, mean accuracy около 0,37–0,39 и overall accuracy около 0,77–0,78; показатели по отдельным категориям сильно различаются, а для ряда категорий IoU равен нулю. Это указывает на неоднородное качество сегментации. Репозиторий содержит веса в формате safetensors; лицензия обозначена как other, поэтому условия использования следует проверить в карточке модели.

AlignEarth-SAR-ViT-B-16 — адаптированная для радиолокационных изображений модель компьютерного зрения в стиле CLIP. Она использует визуальный энкодер ViT-B/16 и текстовый энкодер CLIP; исходные веса представлены в формате OpenCLIP и преобразованы в формат Transformers. Модель предназначена для сегментации SAR-снимков с открытым словарём: пользователь задаёт текстовые названия классов, а модель помогает находить соответствующие области на изображении. Модель применима в анализе данных дистанционного зондирования, в том числе для сегментации спутниковых SAR-снимков с использованием классов OpenEarthMap SAR и других наборов меток. Для плотных признаков и сегментации README описывает дополнительную обработку SimFeatUp, устранение глобального смещения, порог предсказаний и скользящее окно для крупных изображений. Репозиторий содержит веса в формате safetensors и предназначен для использования с библиотекой Transformers. Модель разработана на основе AlignEarth-SAR, выпущенной авторами SegEarth-OV-2; её адаптация для SAR выполнена дистилляцией знаний от оптических vision-language-моделей. Лицензия репозитория — MIT. В описании указан размер входного изображения 224×224 и максимальная длина текста 77 токенов. Модель ориентирована на SAR, а не на оптические изображения; качество для классов и сцен вне обучающих данных в README не охарактеризовано.

GemmaColRAC-AeroExpertV4 — четвертая версия языковой модели SomosNLP, специализирующейся на авиационных правилах и нормативных требованиях Колумбии. Модель основана на архитектуре Gemma и содержит 2,5 млрд параметров; она дообучена на наборе ColombiaRAC_FullyCurated для генерации ответов и материалов по авиационному регулированию на испанском языке. Модель принимает текст и генерирует текст, поддерживает диалоговый режим и контекст до 8192 токенов. Модель предназначена для поиска и разъяснения требований RAC Colombia, подготовки ответов на вопросы и создания черновиков нормативных материалов для авиационной отрасли. В README заявлены улучшения точности и эффективности относительно предыдущих версий, но подробности оценки и количественные результаты не приведены. Лицензия — Apache-2.0.

hseBert-it-cased — итальянская языковая модель на базе BERT, созданная bullmount посредством адаптивного дообучения bert-base-italian-xxl-cased методом masked language modeling на примерно 7 тысячах предложений из итальянских нормативных документов. Модель ориентирована на работу с текстами законодательства и нормативов, в частности с правилами охраны труда и экологическим кодексом Италии. Это BERT с архитектурой BertForMaskedLM, примерно 137,2 млн параметров и контекстом до 512 токенов. Основной сценарий — предсказание замаскированных слов в итальянских нормативных текстах; веса доступны в формате PyTorch. Лицензия — MIT. README показывает загрузку через Transformers, но не приводит оценки качества или результатов прикладной проверки.

Legal Longformer (base) — англоязычная модель LexLM, созданная как производная от LexLM (base) на основе RoBERTa. Она предназначена для работы с длинными юридическими документами и предсказывает пропущенные токены в тексте. Модель имеет архитектуру LongformerForMaskedLM и около 151,6 млн параметров; позиционные эмбеддинги расширены копированием исходных эмбеддингов по подходу Beltagy et al. (2020), а контекст составляет до 4098 токенов. Базовые LexLM предварительно обучались на корпусе LeXFiles: авторы продолжили обучение исходных RoBERTa на юридических текстах, используя токенизатор из 50 тысяч BPE-токенов. Модель подходит для языкового моделирования и анализа длинных юридических текстов, но карточка не подтверждает специализированные прикладные метрики или обучение для конкретных юридических задач. Лицензия — CC BY-SA 4.0.

Это модель MobileViT-S, обученная на наборе BigEarthNet v2.0 (reBEN) для классификации мультиспектральных снимков Sentinel-2. Модель предназначена для анализа спутниковых изображений и отнесения наблюдений к классам земного покрова, представленным в наборе данных. Веса опубликованы после 20 эпох обучения. В README приведены результаты на тестовой выборке BigEarthNet v2.0: macro average precision 0,704 и macro F1 0,621; микроусреднённые показатели выше. Модель использует библиотеку ConfigILM и распространяется в формате safetensors по лицензии MIT.

AmirMohseni разработал эту англоязычную модель на базе encoder-модели answerdotai/ModernBERT-base для классификации префиксов диалога: она определяет, появилась ли уже в пользовательской части разговора юридическая рекомендация. Модель учитывает накопленный контекст беседы и предназначена для раннего обнаружения запросов, связанных с юридической информацией, и маршрутизации таких диалогов. Модель содержит 149 млн параметров, использует архитектуру ModernBERT для классификации последовательностей и принимает текст; заявленная длина контекста — 8192 токена. Она обучена на наборе WildChat-Legal-Classification-V3-Hierarchical. На серебряных метках валидации приведены метрики классификации префиксов, однако данные и разметка имеют ограничения. Модель не является системой юридических консультаций и не предназначена для оценки обоснованности юридических требований. Лицензия — Apache-2.0.

PLaMo 2.1-2B-VL — компактная визуально-языковая модель Preferred Networks, построенная на instruction-tuned PLaMo 2.1-2B и предназначенная для работы на автономных устройствах и других edge-системах. Модель сочетает причинный декодер Samba-based PLaMo 2 с визуальным энкодером SigLIP2 через MLP-адаптер; динамическое разрешение изображений поддерживается разбиением на тайлы. В языковых задачах рассчитана на английский и японский языки. Модель принимает одну пару «изображение и текст» и формирует текстовый ответ. Её основные сценарии — визуальные вопросы и ответы, поиск указанного текстом объекта или человека на изображении и анализ сцен, например распознавание инструментов и обнаружение аномалий на кадрах с камер дронов и наблюдения. Версия 2B создана как лёгкий вариант для эффективного запуска на устройствах с ограниченными ресурсами, но её сценарии применения более ограничены, чем у версии 8B. Модель оптимизирована для естественных изображений, а не для OCR, чтения документов, таблиц, графиков или математических выражений. Она не поддерживает одновременную обработку нескольких изображений и может работать некорректно без пары из текста и изображения; глубокие специализированные знания не являются её целью. Распространяется по лицензии PLaMo Community License; для коммерческого использования README предписывает ознакомиться с лицензией и связаться с разработчиком.

edixo/road_good_damaged_condition — классификатор изображений на архитектуре Vision Transformer (ViT), созданный с помощью HuggingPics. Модель предназначена для определения состояния дороги по изображению: различения хорошего и повреждённого покрытия. Модель содержит 113,2 млн параметров и распространяется в формате PyTorch. Карточка создана автоматически и не сообщает подробностей о наборе классов, данных обучения, точности или условиях лицензии, поэтому качество распознавания и права на использование требуют отдельной проверки.

Это компактный детектор объектов RF-DETR Nano, дообученный автором репозитория на наборе VisDrone-DET в рамках DetectionBench. Модель предназначена для обнаружения объектов на аэроснимках с дронов, включая пешеходов, автомобили, автобусы, грузовики и другие категории VisDrone. Она использует архитектуру RF-DETR и распространяется в формате PyTorch через библиотеку rfdetr. На тестовой выборке VisDrone-DET автор сообщает mAP@50 37,92% и mAP@50–95 20,88%. Модель рассчитана на плотные сцены с множеством мелких объектов, однако дисбаланс классов ограничивает качество для редких категорий: класс others не имеет обучающих примеров и фактически не обнаруживается, а tricycle и awning-tricycle представлены редко. Лицензия репозитория — Apache-2.0; автор README также указывает, что лицензия исходного датасета VisDrone ограничивает его некоммерческим исследовательским использованием и распространяется на обученную модель.

VLESA-Qwen3-VL-2B-Safety-Filter — модель Hanjiang Hu и соавторов, созданная для проекта VLESA по мониторингу безопасности действий человека. Это дообученная методом GRPO мультимодальная модель Qwen3-VL-2B с архитектурой Qwen3VLForConditionalGeneration; веса представлены в формате safetensors, лицензия — Apache-2.0. Модель анализирует кадры эгоцентрического видео, соответствующие моментам до действия, точке невозврата и после действия, классифицирует действие как безопасное или небезопасное и формулирует объяснение на естественном языке. Она предназначена для фильтрации действий и мониторинга человеческой активности в составе конвейера VLESA. Модель принимает визуальные данные и текстовый запрос, а выдаёт текстовую метку с обоснованием. Карточка указывает английский язык. Это специализированный контрольный пункт для оценки безопасности действий; классификация может ошибаться, поэтому результаты не следует считать гарантией безопасности.

Anas Belfathi разработал эту модель как доменно-адаптированную версию BERT base uncased для юридических текстов. Модель продолжительно обучалась на корпусе LexFiles, включающем решения Европейского суда по правам человека, судебные материалы ЕС и индийские судебные материалы. Обучение использует masked language modeling с выборочным маскированием: юридически значимые слова выбираются с учётом TF-IDF, чтобы модель лучше усваивала термины и темы документов. Это BERT-модель класса BertForMaskedLM с 136,7 млн параметров и контекстом до 512 токенов. Она принимает английский текст с маскированными токенами и предсказывает подходящие слова для заполнения пропусков, что подходит для исследования юридической терминологии и адаптации текста в юридическом домене. Лицензия — CC BY 4.0. Модель не предназначена для генерации свободного текста или юридических консультаций; её обучающие данные ограничены указанными корпусами и юрисдикциями.

Модель hezarai/crnn-fa-license-plate-recognition — дообученная CRNN-модель OCR для распознавания персидских автомобильных номерных знаков. Разработчик — HezarAI; модель основана на crnn-base-fa-64x256 и дообучена на наборе данных hezarai/persian-license-plate-v1. Модель принимает обрезанное изображение номерного знака и преобразует его в текст. Для полного сценария распознавания сначала требуется отдельная модель детекции, которая находит номерной знак на исходном изображении. Модель предназначена только для персидских номерных знаков; метаданные указывают библиотеку Hezar и формат PyTorch. Модель распространяется по лицензии Apache-2.0. Ограничение практического применения — она не обнаруживает номерные знаки самостоятельно и ожидает уже обрезанное изображение.

Модель jaglul/legal-chatbot-qwen2.5-1.5b-indonesian — дообученная разработчиком jaglul разговорная текстовая модель на архитектуре Qwen2.5. Она основана на unsloth/Qwen2.5-1.5B-Instruct-bnb-4bit и содержит 1,5 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации диалога и ответов в юридическом чат-боте; название указывает на индонезийский контекст, однако README не описывает обучающие данные или проверенные юридические возможности. Модель принимает текст и генерирует текст. В карточке указана лицензия Apache-2.0. README сообщает об использовании Unsloth и библиотеки TRL при дообучении, но не приводит оценок качества и подробностей обучения.

Модель EryriLabs/llama-3.2-uk-legislation-instruct-3b разработана GPT-LABS.AI и представляет собой инструкционно дообученную версию модели EryriLabs/llama-3.2-uk-legislation-3b. Это плотная трансформерная языковая модель семейства Llama с 3,2 млрд параметров, предназначенная для ответов на вопросы по законодательству Великобритании. Репозиторий содержит веса в формате safetensors; заявленная длина контекста — 131 072 токена. Модель рассчитана на англоязычные вопросы и ответы о британском законодательстве, а также на разработку и исследование доменных языковых приложений. Она может генерировать общие или неуместные ответы, а точность и актуальность правовых сведений ограничены; результаты требуют проверки, и модель не подходит для решений с высокими ставками без тщательной оценки. Метаданные указывают лицензию CC BY-NC 4.0.

samudradino/pgabl-legal-chatbot — дообученная авторами samudradino языковая модель для генерации текста в формате диалога. Она основана на unsloth/Qwen2.5-1.5B-Instruct-bnb-4bit и предназначена для чат-сценариев, связанных с правом; название модели указывает на юридическую специализацию, однако карточка не описывает конкретные юрисдикции или типы правовых задач. Модель использует плотную архитектуру Qwen2 и содержит 1,5 млрд параметров. Контекст составляет до 32 768 токенов; опубликованные веса доступны в формате Safetensors. В карточке указан английский язык. Дообучение выполнялось с Unsloth и библиотекой TRL; лицензия — Apache-2.0. Небольшой размер облегчает запуск по сравнению с более крупными моделями, но карточка не приводит оценок качества или сведений о проверке юридических ответов.

SeyedAli/Remote-Sensing-UAV-image-classification — дообученная модель Vision Transformer (ViT) для классификации изображений дистанционного зондирования, в том числе полученных с БПЛА. Она основана на google/vit-base-patch16-224-in21k и содержит 113,2 млн параметров. Модель обучена на наборе данных jonathan-roberts1/RSSCN7; для оценки указана точность 0,9907 и потеря 0,0593. Модель принимает изображения и предсказывает для них классы, поэтому подходит для классификации снимков дистанционного зондирования в задачах компьютерного зрения. Она распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Подробности о метках классов и ограничениях применения в карточке не приведены.

Модель ResNet-50 разработана командой BIFOLD совместно с TU Berlin, RSiM, DIMA и BigEarth. Она обучена на наборе BigEarthNet v2.0 (reBEN) для многометочной классификации спутниковых снимков Sentinel-1 по типам земного покрова. Модель предназначена для анализа данных дистанционного зондирования, например для картографирования земного покрова по радиолокационным изображениям. Визуализация примера использует каналы VV, VH и VV/VH. Опубликованные веса получены после 23 эпох обучения. На тестовой выборке BigEarthNet v2.0 указаны macro/micro Average Precision 0,628/0,801 и F1 0,576/0,702. Репозиторий содержит веса в формате safetensors, лицензия — MIT. Для работы в карточке приведён интерфейс библиотеки configilm.

SaulLM-141-Base — базовая языковая модель для юридической области, разработанная Equall совместно с MICS при CentraleSupélec (Université Paris-Saclay). В README она названа исследовательским артефактом; модель основана на архитектуре Mixtral и предназначена для дальнейших исследований и адаптации к юридическим задачам. Метаданные указывают 22 млрд параметров, контекст до 65 536 токенов и формат safetensors; README сообщает об обучении на юридических текстах, судебных решениях и законодательных документах США и Европы. Модель принимает текст и генерирует текст на английском языке. Её можно использовать как основу для разработки юридических языковых решений и для экспериментов с генерацией текста в правовой тематике. Лицензия — MIT. Выводы могут быть неточными или отражать предвзятость обучающих данных, а сведения могут не учитывать недавние изменения законодательства. Модель ориентирована на правовые материалы США и Европы и может хуже работать с другими правовыми системами; её ответы не являются юридической консультацией и требуют проверки специалистом.

Nikeytas/Videomae Crime Detector Maxdata V1 — видеомодель, разработанная исследовательской командой и дообученная на подмножестве UCF Crime для бинарной классификации видеоклипов: она определяет наличие насильственного преступления или относит эпизод к ненасильственным инцидентам. В основе лежит VideoMAE — видеотрансформер ViT для анализа последовательностей кадров; модель содержит 113,2 млн параметров и принимает клип из 16 кадров с разрешением 224×224 пикселя на кадр. Результат — одна из двух меток классов. Модель предназначена для анализа видеозаписей, исследований компьютерного зрения и вспомогательного анализа системами безопасности при проверке человеком. В тестовой выборке из 120 видео точность и F1 составили около 0,675; датасет обучения включал 600 видео с равным числом примеров двух классов. Лицензия — MIT. Модель может пропускать контекст событий за пределами 16 кадров и хуже работать при отличающихся условиях съёмки или типах насилия, которых мало в обучающих данных. Возможны ложные срабатывания на интенсивные ненасильственные сцены, например спорт или боевики; результаты не следует использовать как единственное основание для критических решений.