IV.8Государственное управление, правосудие и чрезвычайные ситуации

Модель king1oo1/deepfake-model, разработанная как движок приложения DeepGuard AI Media Forensics, — дообученная версия визуального энкодера SigLIP2 от Google для бинарной классификации изображений. Она относит изображение к классу Real или Fake, чтобы выявлять изображения, созданные ИИ, и дипфейки. Модель основана на архитектуре SigLIP2 с Vision Transformer, принимает изображения с разрешением 224 × 224 пикселя и обучалась на примерах из нескольких наборов данных о реальных и синтетических изображениях. В README заявлены точность 78,5%, AUC выше 0,86 и F1 около 0,78 на отложенной проверочной выборке. Модель подходит для первичной проверки изображений, однако эти показатели не гарантируют надёжность на новых генераторах, типах подделок или изображениях с иной обработкой. Репозиторий использует формат safetensors и библиотеку Transformers; лицензия — Apache-2.0.

GenDDINOv3LFF — модель компьютерного зрения для обнаружения поддельных лиц и видео, разработанная на основе метода GenD и дообученная на FaceForensics++ (FF++). Она использует визуальный трансформер DINOv3 ViT-L/16 как замороженную основу: обучаются только параметры Layer Normalization, составляющие около 0,03% параметров, и классификационная голова LinearNorm. В обучении применялись Sharpness-Aware Minimization, сглаживание меток и метрические потери с нормализацией признаков. Модель предназначена для классификации изображений лиц и анализа видеороликов на предмет манипуляций. В README приведены результаты на видео: AUROC 91,84%, mAP 89,88% и точность 84,91%. Модель принимает изображения и выдаёт класс предсказания; заявленные оценки видео получены в сценарии анализа видео. Лицензия — MIT. Обучение на FF++ и результаты бенчмарка не гарантируют такую же точность на других наборах данных и реальных сценариях; качество может снижаться при смене источника данных или типа манипуляций.

HumanOmniV2 — мультимодальная модель команды авторов статьи HumanOmniV2, основанная на архитектуре Qwen2.5 Omni Thinker. Она предназначена для понимания видео и аудио с учётом общего контекста и для рассуждений о намерениях людей, социальных отношениях и событиях. В README описаны обучение с подкреплением и награды за понимание контекста, логичность, формат и точность; модель оценивали на мультимодальных бенчмарках, включая IntentBench. Модель принимает видео и связанные с ним мультимодальные данные и формирует текстовые ответы. В метаданных указан pipeline video-text-to-text, библиотека Transformers и формат весов safetensors. README сообщает о выпуске весов и кода в 2025 году; лицензия — Apache-2.0. Данные не уточняют размер модели, длину контекста и поддерживаемые языки.

kl3m-002-170m — компактная языковая модель ALEA Institute, первоначально разработанная 273 Ventures и переданная институту. Она предназначена для юридических, регуляторных и финансовых рабочих процессов, а также для дообучения под специализированные задачи и использования при обучении более крупных моделей. Модель основана на плотной архитектуре GPT-NeoX с причинным языковым моделированием; метаданные указывают 134,2 млн параметров, а карточка округляет размер до 170 млн. Контекст составляет 4096 токенов. Модель работает с текстом, обучена преимущественно на английском языке и распространяется под лицензией CC-BY 4.0. Среди подходящих сценариев — черновики положений договоров, базовые ответы на регуляторные вопросы и извлечение структурированных данных в JSON. Разработчик отмечает низкую токсичность и эффективность запуска на потребительском оборудовании; модель получила сертификацию Fairly Trained L-Certification за практики работы с обучающими данными. Она небольшая и не настроена на следование инструкциям, поэтому её возможности общего назначения ограничены. Юридические и регуляторные ответы могут быть фактически неверными и требуют проверки специалистом; модель не заменяет профессиональную юридическую консультацию.

Kirosama/medical-guardrail-mmbert-V4 — мультиметочная модель классификации текста для маршрутизации медицинских запросов и проверки защитных правил. По README, она создана на основе jhu-clsp/mmBERT-base и дообучена для быстрого инференса. Архитектура — ModernBERT для классификации последовательностей; размер составляет 306,9 млн параметров, контекст — до 8192 токенов. Модель оценивает шесть классов: попытки prompt injection, экстренные медицинские ситуации, оскорбительное или вредоносное содержание, логически некорректные и корректные медицинские запросы, а также обычный диалог. Результаты представлены логитами; для получения вероятностей README рекомендует применять sigmoid, а не softmax. Доступны веса Safetensors и варианты ONNX в FP32 и INT8; INT8 предназначен для быстрого CPU-инференса. Модель подходит для маршрутизации медицинских обращений, эскалации экстренных случаев и фильтрации небезопасных запросов. Она классифицирует содержание, а не ставит диагнозы и не заменяет медицинского специалиста. README и метаданные не сообщают лицензию или поддерживаемые языки, поэтому эти характеристики не приводятся.

DavidCombei/wavLM-base-Deepfake_V3 — модель классификации аудио, созданная дообучением Microsoft WavLM Base. Она предназначена для выявления дипфейкового аудио. Модель использует архитектуру WavLMForSequenceClassification и содержит 113,3 млн параметров. На оценочном наборе указана точность 0,73 и функция потерь 0,9119. Данные для обучения и оценки, языковая поддержка и подробные ограничения не описаны. Модель опубликована в формате PyTorch; сведения о лицензии в использованных данных отсутствуют.

Карточка модели AIImage12345/AI_model на Hugging Face совпадает с карточкой prithivMLmods/Deep-Fake-Detector-v2-Model, поэтому описание составлено по ней. Deep-Fake-Detector-v2-Model — модель компьютерного зрения от prithivMLmods для классификации изображений лиц на реальные и сгенерированные или изменённые с помощью deepfake-технологий. Она основана на Vision Transformer ViT-Base/16, дообученном на наборе реальных и поддельных изображений, и содержит около 113,2 млн параметров. На вход подаются RGB-изображения, приводимые к размеру 224×224 пикселя; на выходе модель относит изображение к одному из двух классов: «Realism» или «Deepfake». Модель предназначена для проверки отдельных изображений, например при предварительной модерации или анализе происхождения медиаматериалов. В отчёте автора указана точность 92,12% на тестовом наборе из 56 001 примера, однако это значение не гарантирует такую же точность на других данных. Модель может хуже работать на изображениях низкого разрешения или с сильным сжатием, а также на deepfake-материалах, отличающихся от обучающих данных; видео напрямую не анализирует. Распространяется по лицензии Apache-2.0.

muhtasham/bert-small-finetuned-cuad-full-longer — компактная модель BERT, дообученная автором на наборе CUAD для ответов на вопросы по юридическим договорам. Она принимает текст вопроса и фрагмент договора и предназначена для извлечения ответа из текста. Модель содержит 32,4 млн параметров, использует архитектуру BertForQuestionAnswering и поддерживает контекст до 512 токенов. Веса опубликованы в формате PyTorch по лицензии Apache-2.0. На оценочном наборе указано значение loss 0,0295. Карточка не приводит подробностей о методике оценки и ограничениях, поэтому результат не гарантирует точность на других типах документов или за пределами обучающего контекста. Для длинных договоров текст может потребоваться разбивать на фрагменты.

ADAFACE VIT BASE KPRPE WEBFACE4M — модель распознавания лиц из набора предобученных моделей CVLFace. Она предназначена для извлечения признаковых векторов лиц, которые можно использовать для сравнения и идентификации лиц. Название указывает на архитектуру ViT Base, применение KeyPoint Relative Position Encoding (KPRPE) и обучение на наборе WebFace4M. Карточка связывает модель с работой о KPRPE для распознавания лиц. Модель опубликована в формате safetensors и доступна для извлечения признаков через pipeline feature-extraction. В README указано, что при использовании следует цитировать исходную статью и соблюдать лицензию обучающего датасета; отдельные условия лицензии самой модели в предоставленных данных не приведены.

ARCFACE IR101 WEBFACE4M — модель распознавания лиц, опубликованная проектом CVLFace в виде предварительно обученных весов. Она использует архитектуру IR101 и связана с методом ArcFace, описанным в статье «ArcFace: Additive Angular Margin Loss for Deep Face Recognition». Репозиторий содержит веса в формате safetensors и предназначен для извлечения признаковых векторов лиц, которые можно применять для сравнения и сопоставления лиц. Модель принимает изображения лиц и выдаёт признаки для последующих задач распознавания. В README не приведены сведения о размере входа и количественной оценке качества. Для использования авторы просят цитировать исходную статью и соблюдать лицензию обучающего набора данных; отдельная лицензия модели в предоставленных сведениях не указана.

Decision-1.0-Lex-0.6B — специализированная модель Open Decision Foundation Models, созданная дообучением Decision-1.0-Kai-0.6B. Она преобразует операционный контекст в структурированные решения: выбирает действие среди кандидатов, проверяет условия и оценивает варианты по заданной шкале. Сценарии включают маршрутизацию обращений и счетов, оценку инцидентов безопасности и анализ результатов работы агентов. Модель содержит около 572 млн параметров и использует архитектуру Decision1 с тремя двунаправленными энкодерными путями по 22 слоя, общими многоязычными входными эмбеддингами и отдельными слоями взаимодействия и блоками оценки для Choice, Noul и Score. Рассчитана прежде всего на английские операционные задачи. Полный запрос, включая контекст, инструкции и варианты, ограничен 1024 токенами. В описанной реализации веса и вычисления используют FP32; доступны локальный запуск через Transformers с доверенным пользовательским кодом и совместимый серверный runtime. Репозиторий лицензирован по Apache-2.0. В указанном тесте на 2000 англоязычных решений точность составила 78,15%; преимущество над сравниваемой моделью не было однозначным по парному 95% интервалу, а на одном из типов задач сравниваемая модель показала лучший результат. Вероятности не являются калиброванной уверенностью, и на результат могут влиять порядок кандидатов и формулировка задачи. Запросы длиннее лимита возвращают ошибку без усечения.

industry-bert-contracts-v0.1 — модель llmware для построения семантических эмбеддингов юридических и коммерческих договоров. Она основана на BERT и архитектуре Sentence Transformer, дообучена на общедоступных коммерческих контрактах и связанных документах. Модель содержит 136,7 млн параметров и обрабатывает до 512 токенов за раз. Модель предназначена для поиска и сравнения договорных текстов по смыслу, а также для использования в качестве векторного представления документов в юридических и контрактных сценариях. Она рассчитана на английский язык и может загружаться через Transformers как AutoModel с соответствующим токенизатором. Качество может снижаться за пределами договорной и юридической тематики; для эмбеддингов также возможны аномалии в векторном пространстве. В карточке не описаны специальные меры защиты от смещений в данных. Лицензия — Apache 2.0.

Jevify-Gemma4-E4B — дообученная модель на основе Google Gemma 4 E4B Instruct, подготовленная для выдачи вероятностей ответов на вопросы о заданном состоянии. Она предназначена для вероятностной классификации: принимает текстовое описание состояния и вопрос с вариантами ответа, после чего API считывает распределение следующих токенов по меткам ответа. Генерация текста не требуется; модель выполняет один проход предварительной обработки входа. Модель обучена с LoRA на проекциях внимания, а адаптер объединён с базовой моделью. Обучение включало примерно 47 тысяч примеров из 16 источников, в том числе разметку несколькими аннотаторами и длинные состояния объёмом до 24 тысяч токенов. В метаданных указаны архитектура Gemma 4, формат Safetensors и задача image-text-to-text; README описывает сценарий работы с текстовыми состояниями, а базовая модель также поддерживает изображения. Модель подходит для локальных систем принятия решений, которым нужны вероятности по заданному набору меток, например для классификации с оценкой неопределённости. Лицензия — Gemma. README не сообщает численные результаты оценки качества; назначение модели ориентировано на ответы по заданным меткам, а не на свободную генерацию.

UMCU/PII_RobBERT — модель разметки токенов для обнаружения и классификации персональных данных в нидерландских текстах. Она разработана на основе DTAI-KULeuven/robbert-2023-dutch-large и дообучена командой UMCU с использованием MedNER; модель использует архитектуру RoBERTa и обучалась на наборе ai4privacy/pii-masking-openpii-1.5m. Модель присваивает токенам классы по схеме IOB, чтобы находить границы сущностей и определять их типы для последующего обезличивания текста. В классификационную голову добавлены три полносвязных слоя с ReLU и dropout 10%; веса получены объединением результатов пяти кросс-валидационных фолдов методом SLERP. Доступны веса в формате safetensors, использовать модель можно через Transformers. Размер — 453,9 млн параметров, контекст — 514 токенов. Лицензия Apache-2.0. Модель обучалась только на нидерландском языке. README приводит оценки для классификации заданных фрагментов и сквозного извлечения сущностей, но сами числовые результаты в доступной карточке отсутствуют. Качество для других языков и типов данных не подтверждено; извлечение меток само по себе не гарантирует корректное удаление или замену персональных данных.

ReDimNet2 B4 — конверсия официального чекпойнта b4-vox2-lm.pt в формат для MLX. Модель обрабатывает монофоническое аудио с частотой 16 кГц и выдаёт векторное представление голоса размерностью 192, предназначенное для задач проверки и сравнения говорящих. Исходный чекпойнт обучен на VoxCeleb2-dev с использованием large-margin дообучения; README рекомендует эту версию. Репозиторий содержит веса Safetensors и использует библиотеку MLX. В README заявлено совпадение эмбеддингов с PyTorch-версией с относительной ошибкой до 4,1×10⁻⁶ на CPU-бэкенде MLX в float32. Лицензия — MIT.

PekingU/rtdetr_v2_r34vd — модель обнаружения объектов на изображениях из семейства RT-DETRv2, разработанного исследователями Wenyu Lv, Yian Zhao и соавторами и опубликованного в карточке Hugging Face участниками сообщества. Архитектура RT-DETRv2ForObjectDetection использует трансформерный подход к детекции; модель обучена на COCO. Вариант улучшает RT-DETR за счёт выборочного извлечения многоуровневых признаков, дискретной операции семплирования и обновлённых стратегий обучения. Модель предназначена для обнаружения объектов в реальном времени: на вход получает изображение, а на выходе формирует классы объектов, оценки уверенности и ограничивающие рамки. Возможные сценарии — автономное вождение, видеонаблюдение, робототехника и аналитика розничной торговли. В карточке отмечены английский язык и датасет COCO; модель доступна через библиотеку Transformers. Модель ориентирована на сочетание скорости и точности, а изменения RT-DETRv2 призваны упростить развёртывание на разных платформах. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. Карточка не уточняет размер именно этого варианта и его метрики производительности, поэтому их нельзя надёжно привести.

SLM 125M SFT Pilot 2K — причинная языковая модель на архитектуре Llama с 125,8 млн параметров, созданная посредством supervised fine-tuning модели thesreedath/slm-125m-base. Разработчик обучил её следовать инструкциям на 2 000 сгенерированных и проверенных примерах из судебных дел, документов SEC и набора FineWeb-Edu; контекст модели составляет 1 024 токена. Модель предназначена для экспериментов с ответами на вопросы по предоставленному контексту, извлечением данных в JSON, суммаризацией, переформулированием и сравнительным анализом в юридических и финансовых сценариях. Небольшой размер и обучение на профильных примерах делают её пригодной для изучения поведения компактных моделей при выполнении таких инструкций. Данных для обучения мало, поэтому качество следует оценивать отдельно; без контекста модель может галлюцинировать, а приведённая в карточке оценка perplexity основана на валидационной выборке и не заменяет широких внешних тестов. Модель не заменяет профессиональную юридическую, финансовую или комплаенс-консультацию. Лицензия — Apache-2.0.

VideoRefer-VideoLLaMA3-2B — мультимодальная модель DAMO-NLP-SG для пространственно-временного понимания объектов в видео и ответов на вопросы о них. Это дообученная версия VideoLLaMA3-2B-Image; в архитектуре VideoLLaMA3 с языковым декодером Qwen2.5-1.5B-Instruct. Модель содержит 1,5 млрд параметров, принимает видео и текстовые запросы, поддерживает контекст до 32 768 токенов и рассчитана на английский язык. Модель подходит для поиска и описания объектов в видео, анализа их положения и изменений во времени, а также для диалоговых вопросов о содержимом ролика. Карточка проекта указывает, что VideoRefer Suite принята на CVPR 2025. Модель распространяется по лицензии Apache-2.0.

gaunernst/vit_tiny_patch8_112.arcface_ms1mv3 — модель Vision Transformer для распознавания лиц, обученная на наборе данных MS1MV3. Она распространяется в формате safetensors и совместима с библиотекой timm. Модель принимает изображение лица размером 112 × 112 пикселей и выдаёт вектор признаков размерности 512. Выходной вектор не нормализован; в примере использования его нормализуют отдельно. Модель подходит для извлечения эмбеддингов лиц, которые можно применять для сравнения лиц и идентификации. В карточке не указана лицензия, поэтому условия использования по имеющимся данным определить нельзя.

Deepfake-Detection-Exp-02-22 — модель PrithivMLmods для классификации изображений на поддельные и реальные. Она дообучена на базе Google ViT Base Patch32 224 In21k и содержит 113,2 млн параметров. Модель принимает изображения и выдаёт один из двух классов: Deepfake или Real. Модель предназначена для выявления дипфейков в медиа и социальных сетях, поддержки модерации контента, исследований и предварительного анализа изображений в задачах безопасности и цифровой экспертизы. Обучающие данные связаны с набором prithivMLmods/Deepfake-vs-Real; архитектура основана на ViT, использующем изображения размером 224×224. Возможны ошибки на изображениях, созданных новыми методами генерации, и смещения из-за ограниченного разнообразия обучающих данных. Модель также может быть уязвима к состязательным воздействиям и ошибочно классифицировать как реальные, так и поддельные изображения, поэтому в критически важных сценариях её выводы требуют проверки человеком. Лицензия — Apache-2.0.

ustc-community/dfine-medium-obj2coco — модель обнаружения объектов на изображениях на основе архитектуры D-FINE, представленная сообществом USTC и реализованная для Transformers. Чекпойнт сначала обучен на Object365, затем дообучен на COCO; формат весов — Safetensors, лицензия — Apache-2.0. Модель предназначена для обнаружения объектов и точной локализации рамками в сценариях реального времени. В README среди примеров применения названы автономное вождение, видеонаблюдение, робототехника и аналитика розничной торговли. В основе D-FINE лежат уточнение распределения регрессии рамок и самодистилляция для глобально оптимальной локализации; карточка также описывает обучение и оценку на COCO.

Om-Parab/distilhubert-finetuned-audio-deepfake-in-the-wild — модель классификации аудио на базе архитектуры HuBERT, дообученная для выявления дипфейков в аудиозаписях, созданных в условиях реального использования. Модель разработана и опубликована пользователем Om-Parab на Hugging Face; точные сведения о разработчике, исходной модели и наборе данных в карточке не приведены. Модель предназначена для анализа аудиофайлов и определения признаков синтетической или изменённой речи. Её можно применять в системах проверки подлинности медиаданных, предварительного анализа голосовых сообщений, фильтрации подозрительных записей и исследовании аудиодипфейков. Размер модели составляет 18,9 млн параметров; для работы используется библиотека Transformers и формат safetensors. README не содержит сведений о лицензии, поддерживаемых естественных языках, длине аудиофрагмента, метриках качества, порогах классификации или результатах оценки. Поэтому выводы модели следует использовать как вспомогательный сигнал, а не как окончательное доказательство подделки.

Модель matt0513/drug-detection-xlm-roberta — дообученный на классификацию последовательностей XLM-RoBERTa-base от автора карточки matt0513. Она анализирует текст на китайском и английском языках и относит его к одному из двух классов: безопасный текст (LABEL_0) или текст, связанный с наркотиками (LABEL_1), включая сленг. Модель предназначена для выявления такого содержимого в веб-текстах и может применяться для первичной модерации или фильтрации.

Модель abhishekai/gemma-2-2b-legal-raft-v2 — дообученная Abhishekai версия Gemma 2 на 2,7 млрд параметров для ответов на вопросы по найденным документам в юридических и финансовых сценариях. Она рассчитана на запросы с тремя кандидатными документами: выбирает источник с ответом и может отказаться отвечать, если ни один документ не содержит нужных сведений. Модель использует плотную архитектуру Gemma2ForCausalLM, поддерживает чат, принимает текст и имеет контекст длиной 8192 токена. Обучение выполнено методом RAFT поверх abhishekai/gemma-2-2b-legal-sft-v2 с QLoRA 4-бит и адаптерами LoRA. В оценке модели заметно улучшилось распознавание вопросов без ответа в документах: она чаще корректно отказывалась и реже отказывалась на вопросах с ответом. На ответимых вопросах преимущество перед базовой моделью не показано. Модель предназначена для английского языка. Отказы часто используют почти шаблонную формулировку, около 2% ответов в оценке повторялись, а при ответе модель может выдумывать цитаты. Абсолютное качество не подтверждено размеченными юридическими бенчмарками; автор описывает модель как демонстрацию метода, а не источник юридической или финансовой консультации. Лицензия — Gemma.

amoeba04/koelectra-small-v3-privacy-ner — модель для распознавания персональных данных в корейском тексте, созданная дообучением monologg/koelectra-small-v3-discriminator на синтезированном наборе данных с шаблонами персональной информации. Она размечает токены по схеме BIO и предназначена для NER: в карточке указано 12 категорий, включая корейские имена, адреса и номера регистрации резидентов. Модель построена на ELECTRA и содержит 21,5 млн параметров; максимальная длина контекста — 512 токенов. Она принимает текст и возвращает метки для токенов. Для указанного оценочного набора приведены высокие значения precision, recall и F1, однако результаты на синтетических данных не гарантируют такого же качества на реальных текстах. Лицензия — Apache-2.0.

Political DEBATE base v1.0 — классификатор на архитектуре DeBERTa-v2, разработанный Майклом Бернхэмом и соавторами. Модель дообучена на наборе PolNLI и предназначена для zero-shot и few-shot классификации политических текстов через проверку текстовых гипотез: пользователь передаёт документ и короткое утверждение, а модель оценивает, следует ли оно из документа. Модель поддерживает выявление политической позиции и мнений, hate speech, событий и тем. В обучающих данных представлены публикации в социальных сетях, новости, законопроекты и краткие описания судебных дел. Размер модели — 211,6 млн параметров, контекст — до 512 токенов; основной язык карточки — английский. Рекомендуется формулировать гипотезы кратко и с одним критерием. Для few-shot обучения авторы советуют использовать не менее 10 примеров, предпочтительно около 25, и обучать 3–5 эпох. Лицензия — MIT. Оценка в карточке опирается главным образом на тестовый набор PolNLI; качество на других темах и источниках может отличаться. Авторы рекомендуют базовую модель для supervised-классификации задач, явно представленных в обучающих данных, а Political DEBATE — для zero-shot и few-shot сценариев.

PekingU/rtdetr_v2_r18vd — модель RT-DETRv2 для обнаружения объектов на изображениях. Семейство RT-DETRv2 разработано Вэньюй Лю, Ианем Чжао, Цинъяо Чангом, Куем Хуаном, Гуанчжуном Вангом и И Лю; карточку модели для Transformers подготовили участники сообщества Hugging Face. Архитектура улучшает RT-DETR за счёт выборочного извлечения многомасштабных признаков, дискретной операции выборки и изменений в обучении. Модель обучена на COCO train2017 и проверена на COCO val2017. Модель принимает изображение и выдаёт классы обнаруженных объектов, оценки уверенности и координаты рамок. Она предназначена для быстрого обнаружения объектов, в том числе в автономном вождении, видеонаблюдении, робототехнике и розничной аналитике; в README отмечена пригодность для развёртывания на периферийных устройствах и в крупных системах. Заявлено улучшение относительно предыдущей версии при сохранении скорости реального времени. Модель распространяется под лицензией Apache-2.0. Карточка не сообщает отдельных показателей качества для этого чекпойнта или детальных ограничений; результаты могут зависеть от сходства целевых изображений с COCO и условий развёртывания.

slm-500m-legal-sft — дообученная модель семейства Llama на 517,8 млн параметров от автора abhishekai. Она предназначена для ответов на вопросы по предоставленным фрагментам юридических и финансовых текстов: пользователь должен включить исходный фрагмент в запрос, поскольку модель не рассчитана на ответы без контекста. Модель обучена на синтетических парах вопрос–ответ и поддерживает диалоговый режим; использует библиотеку Transformers и формат safetensors. Размер контекста — 1 024 токена, основной язык — английский. По оценке на 300 отложенных запросах модель получила средний балл 4,65 из 10. Она подходит для извлечения сведений, краткого пересказа, переформулирования и перечисления фактов из переданного текста. Модель ненадёжна в арифметике, может воспроизводить ошибки и смещения синтетических обучающих данных и не заменяет юридическую или финансовую консультацию. Распространяется по лицензии Apache-2.0.

UrbanAnonymizer — модель Мехмета Керема Туркджана из Columbia University для автоматического сокрытия лиц и автомобильных номерных знаков на уличных изображениях и видео. Она обнаруживает оба типа объектов одним детектором D-FINE-X на базе HGNetv2-B5. Модель обучена на 119 тысячах изображений из пяти открытых наборов данных; для неё доступны веса PyTorch и экспорт ONNX, а также путь сборки для TensorRT 11. Для видео README описывает отдельный офлайн-трекер, который связывает детекции вперёд и назад во времени и заполняет короткие пропуски обнаружения, чтобы маска сохранялась между кадрами. Внешние тесты показывают высокую точность обнаружения на UFDD и PP4AV; на A100 заявлена скорость 39 кадров в секунду для видео 1080p. Модель предназначена для анонимизации уличных материалов, однако пропуски объектов и чрезмерное покрытие масками остаются возможными, а тестовые данные частично связаны по источникам с обучающими. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

VISION-1 — языковая модель для анализа безопасности текста и модерации контента, созданная UnionStreet на основе дообучения Meta Llama 3.1 8B Instruct. Это декодерный трансформер семейства Llama с 7,5 млрд параметров и контекстом до 131 072 токенов; модель работает с текстом на английском языке и поддерживает генерацию текста и классификацию. Модель предназначена для выявления мошенничества, вредоносного и неподходящего контента, а также для анализа потенциальных рисков в текстах. Её можно использовать как помощник в модерации и первичном анализе материалов, включив результаты в более широкую стратегию проверки контента. Предсказания следует считать рекомендациями, а не окончательными решениями: качество может различаться в зависимости от типа и контекста текста, а модель может наследовать смещения обучающих данных. Для важных решений рекомендуется проверка человеком. Лицензия — Llama 3.1.