IV.8Государственное управление, правосудие и чрезвычайные ситуации

Модель MelodyMachine/Deepfake-audio-detection — дообученная модель классификации аудио на архитектуре Wav2Vec2 с примерно 113,3 млн параметров. Она предназначена для распознавания поддельного аудио и отличения его от исходного по аудиозаписи. В README приведены результаты оценки на наборе audiofolder: accuracy 0,9964, precision 0,9944, recall 0,9990, F1 0,9967 и ROC AUC 1,0000; эти показатели относятся к указанной оценочной выборке и сами по себе не гарантируют качество на других данных. Модель принимает аудио и выдаёт метки классов. Она опубликована в формате safetensors по лицензии Apache-2.0. В карточке и README не описаны поддерживаемые языки и подробности обучающего набора, поэтому область надёжного применения за пределами оценочной выборки определить нельзя.

ustc-community/dfine-large-obj2coco-e25 — реализация D-FINE для библиотеки Transformers, представленная сообществом USTC. Это плотная модель обнаружения объектов на изображениях, основанная на архитектуре D-FINE и классе DFineForObjectDetection. Вариант obj2coco сначала обучен на Object365, затем дообучен на COCO; суффикс e25 указан в идентификаторе модели. В основе D-FINE лежат уточнение распределения координат рамок (FDR) и самодистилляция для глобальной оптимальной локализации (GO-LSD). Модель предназначена для обнаружения объектов в реальном времени, в том числе для автономного вождения, видеонаблюдения, робототехники и анализа розничных пространств. Она принимает изображения и возвращает найденные объекты с рамками и классами. Карточка сообщает об улучшенной точности локализации и пригодности для развёртывания, но не приводит численных показателей производительности именно этого чекпойнта. Репозиторий использует формат Safetensors и библиотеку Transformers. Лицензия — Apache-2.0.

Карточка модели ShantyCam/dfine-x-obj2coco на Hugging Face совпадает с карточкой ustc-community/dfine-xlarge-obj2coco, поэтому описание составлено по ней. ustc-community/dfine-xlarge-obj2coco — реализация D-FINE для Transformers, представленная участником сообщества VladOS95-cyber при содействии qubvel-hf. Это плотная модель обнаружения объектов на основе архитектуры D-FINE, разработанной для точной локализации объектов в реальном времени. D-FINE использует уточнение мелкодискретных распределений регрессии рамок и самодистилляцию для глобальной оптимальной локализации. Модель сначала обучалась на Object365, а затем дообучалась на COCO; в карточке также указано обучение и оценивание на COCO train2017 и val2017. Её можно применять для обнаружения объектов в системах автономного вождения, видеонаблюдения, робототехники и розничной аналитики. Модель принимает изображения и выдаёт классы объектов с ограничивающими рамками. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0.

Карточка модели ShantyCam/dfine-x-obj365 на Hugging Face совпадает с карточкой ustc-community/dfine-xlarge-obj365, поэтому описание составлено по ней. ustc-community/dfine-xlarge-obj365 — реализация детектора объектов D-FINE для библиотеки Transformers, созданная сообществом USTC на основе архитектуры D-FINE. Модель обучена на датасете Objects365 и предназначена для обнаружения объектов на изображениях с предсказанием их классов и ограничивающих рамок. В D-FINE уточнение распределения координат рамок и глобальная оптимальная локализация с самодистилляцией помогают повышать точность локализации; модель рассчитана на обнаружение объектов в реальном времени. Подходящие сценарии включают видеонаблюдение, робототехнику, автономное вождение и аналитику розничной торговли. Репозиторий использует формат safetensors и библиотеку Transformers. В карточке указана лицензия Apache-2.0. Данных о размере модели и длине контекста нет; текстовые языковые возможности не заявлены.

KomdigiITS-8B-DFK-SFT-V2 — индонезийская мультимодальная модель семейства Mistral 3, дообученная RantiRepo на базе aitf-komdigi/KomdigiITS-8B-DFK-CPT. Модель принимает текст и изображения и предназначена для диалоговой работы с мультимодальными материалами, связанными с DFK — дезинформацией, клеветой и разжиганием ненависти. В обучении использованы LoRA с рангом 16 и alpha 32, три эпохи и набор из 42 981 обучающего и 5 370 проверочных примеров. В датасете указаны классификация текста, извлечение ключевых слов и мультимодальные данные DFK. Репозиторий содержит веса safetensors, использует Transformers и распространяется по лицензии Apache-2.0. Карточка не уточняет контекстное окно и качество по отдельным задачам.

NCI Technique Classifier v5.2 — англоязычный классификатор Synapti для выявления пропагандистских приёмов в тексте. Модель дообучена на базе answerdotai/ModernBERT-base и распознаёт 18 категорий по таксономии SemEval-2020 Task 11. Она выдаёт калиброванные вероятности для каждой категории и рассчитана на анализ целых документов без предварительного разбиения на предложения. Модель предназначена для поиска приёмов пропаганды и анализа координированных информационных операций в рамках протокола Narrative Coordination Index. В README сообщается о снижении ложных срабатываний на научных и фактических текстах благодаря обучению на сложных отрицательных примерах; приведённые результаты относятся к тестам разработчика. Модель содержит 149 млн параметров, поддерживает контекст до 8192 токенов и доступна в форматах Safetensors и ONNX. Лицензия — Apache-2.0.

NorGPT-3B-continue — авторегрессионная языковая модель семейства NorGLM, разработанная для норвежского языка. Это продолженное обучение модели NorGPT-3B на отобранных документах из исходного предобучающего корпуса: новостных статьях, парламентских выступлениях, книгах и правительственных отчётах. В метаданных архитектура указана как GPT-2 с классом GPT2LMHeadModel; модель содержит 3 млрд параметров и принимает текстовый контекст длиной до 2048 токенов. Модель предназначена для генерации и продолжения норвежского текста, в том числе в сценариях, связанных с общественными документами, новостями и книгами. Она распространяется в форматах PyTorch и safetensors и загружается через Transformers. Лицензия CC BY-NC-SA 4.0 допускает использование на условиях атрибуции, распространения производных на тех же условиях и некоммерческого применения. Качество генерации за пределами описанных источников и надёжность фактических утверждений не установлены; выход модели следует проверять.

ReDimNet2 B1 — преобразованная для MLX версия официального чекпойнта b1-vox2-lm.pt, подготовленная для проверки и сравнения голосов. Модель принимает монофоническое аудио с частотой дискретизации 16 кГц и формирует вектор эмбеддинга диктора размерностью 192; карточка описывает её как версию с дообучением large-margin, рекомендованную авторами исходного чекпойнта. Модель предназначена для получения признаков голоса, которые можно использовать в системах верификации диктора и сравнения речевых записей. По данным карточки, эмбеддинги MLX совпадают с результатами PyTorch с относительной ошибкой до 3,4 × 10⁻⁶ в худшем случае на CPU при float32. Репозиторий содержит веса safetensors; лицензия — MIT. В карточке не указаны ограничения по языкам или известные ограничения качества.

ReDimNet2 B3 — конверсия официального чекпойнта b3-vox2-lm.pt в формат MLX, подготовленная для запуска на устройствах Apple. Модель принимает монофоническое аудио с частотой дискретизации 16 кГц и выдаёт вектор эмбеддинга говорящего размерностью 192; чекпойнт обучен с large-margin fine-tuning и рекомендован автором карточки. Модель предназначена для получения голосовых представлений, которые можно использовать в системах верификации и сравнения говорящих. В README указано, что эмбеддинги совпадают с PyTorch-реализацией с относительной ошибкой до 4,4×10⁻⁶ в худшем случае при вычислениях float32 на MLX CPU. Репозиторий распространяется по лицензии MIT.

Vela Safety — модель классификации текста для выявления общих рисков безопасности и маршрутизации запросов к подходящей обработке. Её разработала команда llm-semantic-router как дообученную версию Vela-1.0-Encoder-307M на базе ModernBERT с архитектурой ModernBertForSequenceClassification. Модель содержит 306,9 млн параметров и принимает до 32 768 токенов, включая специальные токены. В оценках на наборах Reviewed safety и CultureGuard Vela показала более высокий Macro F1, чем исходная модель mmBERT Safety, а на AEGIS — более низкий. Эти наборы использовались при выборе модели и не являются независимыми тестами. Сигнал риска может требовать поддерживающего ответа, в том числе помощи при кризисной ситуации, и сам по себе не означает необходимость отказа. Репозиторий содержит веса safetensors и ONNX; библиотека — Transformers. Лицензия Apache-2.0.

Wvolf/ViT_Deepfake_Detection — модель классификации изображений на базе Vision Transformer (ViT), обученная Рудольфом Эньимбой в рамках магистерской работы по искусственному интеллекту и науке о данных в Solent University. Она предназначена для выявления дипфейков на изображениях лиц. Модель содержит 113,2 млн параметров, использует библиотеку Transformers и опубликована в формате PyTorch. В карточке указана точность 98,70% на тестовой выборке; этот результат относится к тестовым данным автора и сам по себе не гарантирует такую же точность на новых изображениях. Для работы модели требуется изображение лица, а результатом является классификация. Язык в основном относится к карточке модели, а не к входным данным изображения. Условия лицензирования в предоставленных сведениях не указаны.

NVIDIA Cosmos Reason 2 — мультимодальная модель с 2 млрд параметров для рассуждений по изображениям и видео в задачах физического ИИ и робототехники. Она дообучена на Qwen/Qwen3-VL-2B-Instruct и предназначена для анализа пространства, времени и физических взаимодействий, а также для планирования действий воплощённых агентов. Модель поддерживает диалоговый анализ визуальных данных, временные метки, поиск объектов с координатами точек и рамками 2D/3D, метками и объяснениями. Заявлена работа с контекстом до 256 тыс. входных токенов. Сценарии применения включают видеоаналитику, отбор и аннотацию сенсорных данных, а также рассуждения для планирования роботов и автономных транспортных средств. Разработчик — NVIDIA; карточка заявляет готовность к коммерческому использованию. Метаданные указывают лицензию «other», поэтому конкретные условия следует сверить с лицензией репозитория. Модель предназначена для исследовательских и прикладных систем физического ИИ; её выводы могут влиять на физическое управление, поэтому ошибки в рассуждениях и локализации могут привести к неверным действиям. Для инференса в карточке проверялись H100 и A100.

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.

Карточка модели ShantyCam/dfine-x-coco на Hugging Face совпадает с карточкой ustc-community/dfine-xlarge-coco, поэтому описание составлено по ней. ustc-community/dfine-xlarge-coco — реализация D-FINE для Transformers, основанная на работе Янсонга Пэна и соавторов; модель предоставлена сообществом USTC. Это детектор объектов, обученный на COCO: по изображению он находит объекты и предсказывает их классы и ограничивающие рамки. Архитектура D-FINE использует уточнение распределения для регрессии рамок и самодистилляцию для улучшения локализации; модель распространяется в формате Safetensors. Модель предназначена для обнаружения объектов в реальном времени и может применяться в автономном вождении, системах видеонаблюдения, робототехнике и аналитике розничной торговли. Карточка описывает обучение и оценку на COCO. Лицензия — Apache 2.0. Размер модели и контекст здесь не относятся к применимым характеристикам.

ustc-community/dfine-xlarge-obj2coco — реализация D-FINE для Transformers, представленная участником сообщества VladOS95-cyber при содействии qubvel-hf. Это плотная модель обнаружения объектов на основе архитектуры D-FINE, разработанной для точной локализации объектов в реальном времени. D-FINE использует уточнение мелкодискретных распределений регрессии рамок и самодистилляцию для глобальной оптимальной локализации. Модель сначала обучалась на Object365, а затем дообучалась на COCO; в карточке также указано обучение и оценивание на COCO train2017 и val2017. Её можно применять для обнаружения объектов в системах автономного вождения, видеонаблюдения, робототехники и розничной аналитики. Модель принимает изображения и выдаёт классы объектов с ограничивающими рамками. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0.

ustc-community/dfine-xlarge-obj365 — реализация детектора объектов D-FINE для библиотеки Transformers, созданная сообществом USTC на основе архитектуры D-FINE. Модель обучена на датасете Objects365 и предназначена для обнаружения объектов на изображениях с предсказанием их классов и ограничивающих рамок. В D-FINE уточнение распределения координат рамок и глобальная оптимальная локализация с самодистилляцией помогают повышать точность локализации; модель рассчитана на обнаружение объектов в реальном времени. Подходящие сценарии включают видеонаблюдение, робототехнику, автономное вождение и аналитику розничной торговли. Репозиторий использует формат safetensors и библиотеку Transformers. В карточке указана лицензия Apache-2.0. Данных о размере модели и длине контекста нет; текстовые языковые возможности не заявлены.

Qwen3.8-27B-RL-Social-Science — дообученная методом обучения с подкреплением модель на базе Qwen/Qwen3.8-27B, подготовленная разработчиком репозитория. Модель обучали алгоритмом GRPO через Megatron-SWIFT на бенчмарке VMLU Social Science, охватывающем экономику, географию, гражданское образование, право и философию. LoRA-адаптер объединён с базовыми весами, поэтому репозиторий содержит готовую к использованию модель. Это плотная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration и 27 млрд параметров. Она предназначена для диалогов и ответов на вопросы по общественным и гуманитарным дисциплинам. В метаданных указан вьетнамский язык; базовая модель также поддерживает анализ изображений и видео, но README не подтверждает, что эти возможности проверялись после дообучения. Модель распространяется под лицензией с обозначением other; конкретные условия следует сверить с карточкой репозитория. Обучение оптимизировалось на точность и формат ответов бенчмарка VMLU, поэтому качество на других задачах может отличаться.

Quanfire AI разработала англоязычный cross-encoder-реранкер для поиска по центральным законам Англии. Это дообученная модель BERT на базе intfloat/multilingual-e5-small с 124,3 млн параметров; она оценивает пары «запрос — фрагмент закона», чтобы переставить по релевантности короткий список, полученный первичным поисковиком. Модель рассчитана на второй этап поиска, а не на самостоятельное извлечение документов. На отложенной выборке из 1 494 запросов и пула из 1 205 фрагментов законов опубликованный запуск повысил Recall@1 с 0,0723 до 0,1111. В четырёх запусках процедуры прирост составил от 36% до 77%, что показывает заметную вариативность между случайными инициализациями. Контекст модели — 512 токенов, формат весов — safetensors, лицензия — Apache-2.0. Проверялась только переоценка результатов поиска по англоязычным текстам центральных законов. Модель не валидировалась на судебных решениях, региональном или подзаконном законодательстве, других языках и иных корпусах; перенос на них не подтверждён. Эффективность зависит от качества первичного поиска, а значительная часть релевантных фрагментов может оставаться за пределами его выдачи.

SafeKey-7B — разговорная языковая модель с плотной архитектурой Qwen2 и 7,1 млрд параметров, представленная в формате Safetensors. Репозиторий описывает её как модель из работы «SafeKey: Amplifying Aha-Moment Insights for Safety Reasoning», посвящённой рассуждениям о безопасности. Модель предназначена для генерации текста в диалогах и задач, связанных с рассуждениями о безопасности. В метаданных указаны поддержка чата и интерфейса вызова инструментов, а контекст составляет до 131 072 токенов. Карточка не описывает конкретные языки или подробные сценарии применения. Лицензия — MIT.

Wähler-4B — дообученная Eschatia Labs модель на 4 млрд параметров для классификации текстовых решений, маршрутизации запросов и выдачи оценок вероятности. Она основана на Intern-Decision-4B и дообучена с помощью LoRA на данных JevAlt. Модель рассчитана на локальный запуск; для неё доступны веса Safetensors и сборка GGUF, а в карточке указана архитектура семейства Qwen3.5. Основной язык модели — немецкий; также в метаданных отмечен английский. Модель принимает текст, поддерживает контекст до 8 тысяч токенов и предназначена для классификации и принятия решений с оценкой уверенности. В описанных тестах на немецких решениях показаны точность 92,0% и Brier score 0,119, однако тестовый набор использовал тот же конвейер данных, что и обучение. Калибровку вероятностей следует перенастроить на собственных данных перед использованием порогов уверенности. Модель слаба на длинном нерелевантном тексте и арифметике с датами; встроенные инструкции могут повлиять на ответы, поэтому проверки полномочий и контроль важных решений должны выполняться вне модели. Лицензия — Apache-2.0.

Genereux-akotenou/yolos-headwear — дообученная модель обнаружения объектов на основе YOLOS-small от Hustvl. Разработчик адаптировал её для поиска лица и предметов на голове, используя отфильтрованную и перемаркированную часть датасета Fashionpedia. Модель содержит 28,3 млн параметров и доступна в формате PyTorch через Transformers. Модель предназначена для сценариев проверки личности и KYC, в том числе для выявления признаков, важных при проверках liveness и соответствия требованиям к изображению лица. Она обнаруживает шесть классов: лицо, очки, шляпу, маску, повязку и головной убор. Прикладная область — анализ изображений; сведения о лицензии и контекстном окне в предоставленных данных отсутствуют, а применение зависит от качества изображения и обучающих данных.

Это дообученная модель зрения CLIP ViT-Base с размером патча 32, разработанная на основе openai/clip-vit-base-patch32 и обученная на наборе EuroSAT. В репозитории указана архитектура CLIPVisionModel и формат весов safetensors; размер модели — 113,2 млн параметров. Модель предназначена для извлечения признаков изображений, в частности для сценариев компьютерного зрения, связанных с EuroSAT. В карточке приведены результаты оценки до и после дообучения: 0,4556 и 0,9907 соответственно; метрика не уточнена. Лицензия в доступных данных не указана.

COVID-19 Misinformation Detector — модель классификации текста, созданная Spencer Gable на основе bert-base-uncased и дообученная для выявления дезинформации о COVID-19 и вакцинах в публикациях из соцсетей. Она присваивает тексту метку LABEL_0, если дезинформация не обнаружена, и LABEL_1, если публикация классифицирована как дезинформация. Модель использует архитектуру BERT для классификации последовательностей, содержит 136,7 млн параметров и принимает тексты длиной до 512 токенов. Дообучение проводилось на наборах ANTi-Vax и CoAID с твитами, размеченными как дезинформация или достоверная информация экспертами в области здравоохранения. В репозитории доступны форматы PyTorch и ONNX; лицензия — MIT. Модель предназначена для первичной проверки публикаций о COVID-19, а не для самостоятельной оценки медицинских утверждений. Её предсказания могут быть ошибочными и зависят от тематики, языка и стиля текста, представленных в обучающих данных; метки не заменяют проверку фактов специалистом.

ustc-community/dfine-medium-coco — реализация детектора объектов D-FINE для Transformers. Архитектуру D-FINE предложили Янсон Пэн, Хэбэй Ли, Пэйси У, Юэйи Чжан, Сяоянь Сунь и Фэн У; эту версию для Hugging Face подготовили участник VladOS95-cyber при содействии qubvel-hf. Модель обучена на COCO и предназначена для обнаружения объектов на изображениях с предсказанием классов и ограничивающих рамок. D-FINE использует подход DETR с уточнением распределения для регрессии рамок (FDR) и дистилляцией локализации (GO-LSD). Карточка позиционирует её как быстрый детектор для сценариев реального времени, включая автономное вождение, видеонаблюдение, робототехнику и аналитику розничной торговли. Репозиторий содержит веса в формате safetensors, библиотека — Transformers. Лицензия Apache-2.0.

LibreGemma4e4b — копия весов Gemma 4 E4B Instruct от Google DeepMind, размещённая LibreYOLO для использования в уровне LibreVLM. README сообщает, что репозиторий зеркалирует снимок google/gemma-4-E4B-it и сохраняет файлы для загрузки через обёртку LibreYOLO; обученные параметры не изменялись. Метаданные относят модель к плотной архитектуре Gemma 4 и задаче object-detection. Модель предназначена для обнаружения объектов на изображениях с задаваемыми пользователем классами, например поиска людей или касок. Указаны форматы safetensors и библиотека libreyolo. Лицензия — Apache 2.0. Размер, контекст и языки этой копии в предоставленных сведениях не приведены.

Модель FlorianTraugott/ms-marco-MiniLM-L6-v2-indian-tax-law — англоязычный cross-encoder-реранкер, полученный дообучением cross-encoder/ms-marco-MiniLM-L6-v2 для поиска по судебным решениям в области налогового права Индии. Она совместно обрабатывает поисковый запрос и фрагмент текста и оценивает их релевантность, чтобы переставить результаты, полученные на первом этапе поиска. Модель предназначена для второго этапа двухэтапного поиска: README сообщает о применении для переранжирования 50 результатов би-энкодера bge-small-en-v1.5-indian-tax-law-lora. В описанной оценке дообученный реранкер повысил nDCG@10 на 12,4% и Recall@10 на 11,4% относительно исходного списка. Архитектура основана на BERT, число параметров — 25,9 млн, максимальный контекст — 512 токенов; библиотека — Sentence Transformers. Модель ориентирована на англоязычные запросы и тексты об индийском налоговом праве. Результаты оценки относятся к датасету и сценарию, указанным в карточке, и не гарантируют аналогичный эффект на других данных; базовый MS-MARCO-реранкер без дообучения в описанном сценарии ухудшал качество. Лицензия — Apache-2.0.

SafeKey-8B — разговорная модель семейства Llama, связанная с работой «SafeKey: Amplifying Aha-Moment Insights for Safety Reasoning». Репозиторий содержит веса в формате safetensors; модель имеет 7,5 млрд параметров и контекстное окно 131 072 токена. Модель предназначена для генерации текста в диалогах и задач рассуждения о безопасности. В метаданных также заявлены возможности чата и интерфейс вызова инструментов. README не уточняет метод обучения и конкретные сценарии применения. Лицензия — CC BY 4.0.

Spectra-AASIST — модель для выявления поддельной или синтетически изменённой речи, разработчик в карточке не указан. Она классифицирует аудиоволны по двум классам: spoof и bonafide. Архитектура объединяет SSL-энкодер Wav2Vec2, MLP-проекцию и двухклассовый классификатор AASIST; входом служит аудиоволна в формате float32, обычно с частотой 16 кГц, а выходом — оценки двух классов. При первом запуске загружается энкодер facebook/wav2vec2-xls-r-300m. Модель предназначена для проверки подлинности речи в аудиозаписях и антиспуфинг-сценариев. В README приведены результаты на нескольких наборах для оценки защиты речи, однако таблица неполная, а модель обозначена как предварительная, неопубликованная и не имеющая рейтинга в Speech Anti-Spoofing Arena. Порог классификации рекомендуется настраивать на размеченных данных под целевой сценарий. Репозиторий распространяется по лицензии Apache-2.0.

ustc-community/dfine-large-coco — реализация модели D-FINE для обнаружения объектов, подготовленная сообществом USTC на базе реализации для Transformers. D-FINE использует архитектуру детектора семейства DETR и переосмысливает регрессию ограничивающих рамок с помощью уточнения мелкозернистого распределения (FDR) и глобальной оптимальной локализации с самодистилляцией (GO-LSD). Модель обучена на COCO; карточка указывает, что вариант large предназначен для обнаружения объектов на изображениях. Модель подходит для поиска и локализации объектов в реальном времени, в том числе в системах автономного вождения, видеонаблюдения, робототехники и аналитики розничной торговли. Она выдаёт классы объектов и ограничивающие рамки; авторы отмечают точность локализации и пригодность для развёртывания на периферийных устройствах и в масштабных системах. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Скорость и точность в конкретной среде зависят от оборудования и условий применения; README не приводит численных показателей производительности для этого варианта.

D-FINE Large Obj365 — модель обнаружения объектов на изображениях, основанная на архитектуре D-FINE и реализованная для Transformers. Карточка модели подготовлена сообществом USTC; реализацию для Transformers внесли VladOS95-cyber и qubvel-hf. Модель обучена на Objects365 и предназначена для обнаружения объектов с точной локализацией в реальном времени. В архитектуре применяются Fine-grained Distribution Refinement и Global Optimal Localization Self-Distillation для уточнения регрессии ограничивающих рамок. Модель выдаёт классы объектов и их рамки. В README среди сценариев применения названы автономное вождение, видеонаблюдение, робототехника и аналитика розничной торговли. Указана лицензия Apache-2.0.