IV.8Государственное управление, правосудие и чрезвычайные ситуации

TybyrIA v2.2 — модель Código Não Binário для выявления признаков ненавистнических высказываний против LGBTQIA+ в комментариях к публикациям в социальных сетях на бразильском португальском. Это дообученная модель классификации последовательностей на архитектуре BERT с 136,1 млн параметров и контекстом до 512 токенов; веса хранятся в формате safetensors. Модель выдаёт метки и оценки классов, включая оценку класса hate. Её предназначение — помогать в исследованиях, документировании насилия и первичной сортировке больших объёмов комментариев, выделяя тексты для проверки человеком. Авторы рекомендуют рассматривать вероятность hate от 0,40 как повод для такой проверки. Модель создана правозащитной организацией Código Não Binário и обучена на вручную размеченных данных; веса распространяются по лицензии MIT, а данные для обучения — по CC-BY-NC-SA-4.0. Модель ориентирована на комментарии о LGBTQIA+ на бразильском португальском. Вне этого контекста она может принять ненависть к другим группам за LGBT-фобию, а слова, смысл которых зависит от контекста, например amigues, могут классифицироваться ошибочно. Результаты следует использовать только как подсказки для человеческой проверки, а не для автоматической блокировки, удаления, наказания или оценки людей.

VST-7B-RL — визуально-языковая модель на базе архитектуры Qwen2.5-VL, представленная авторами работы Visual Spatial Tuning. Она дообучена поэтапно: сначала с учителем для формирования пространственных знаний, затем с подкреплением для развития пространственных рассуждений. Модель принимает изображения и текстовые запросы, а также рассчитана на сценарии с несколькими изображениями и видео; размер составляет 7,1 млрд параметров, контекст — до 128 000 токенов. Модель предназначена для распознавания пространственных отношений и рассуждений о сценах: подсчёта объектов, оценки расстояний и размеров, определения направлений и планирования маршрутов. В README заявлены результаты на пространственных бенчмарках и усиление возможностей моделей для робототехники; также показана способность сохранять общие визуально-языковые навыки. Лицензия — Apache 2.0.

Jzuluaga разработал wav2vec2-large-960h-lv60-self-en-atc-atcosim — модель распознавания речи на основе Wav2Vec 2.0, дообученную на корпусе ATCOSIM с сообщениями авиационного управления воздушным движением. Она преобразует аудиозаписи радиопереговоров на английском языке в текст и предназначена для автоматической расшифровки ATC-коммуникаций. Модель содержит 402,7 млн параметров и использует архитектуру Wav2Vec2ForCTC. На тестовой выборке ATCOSIM указана доля ошибок на уровне слов (WER) 1,67%. Для распознавания в других аудиодоменах, например в записях LibriSpeech или CommonVoice, сопоставимое качество не гарантируется. Модель распространяется по лицензии Apache-2.0.

Activation Support Fusion v1 — экспериментальная модель второго этапа ранжирования доказательств, созданная на основе телеметрии Qwen3-4B. Она объединяет признаки активаций и метаданные кандидатов из заранее сформированного списка dense-поиска, чтобы переупорядочивать до 100 документов на запрос; модель не принимает исходный текст напрямую и не генерирует ответы. Архитектура — MLP `Linear(254,128) → ReLU → Linear(128,128) → ReLU → Linear(128,1)`, веса доступны в формате Safetensors. Для работы нужны точные признаки, полученные двумя префиллами базовой Qwen3-4B с выпущенным RMT-адаптером, а также плотные оценки и позиции кандидатов. Модель предназначена для исследовательских экспериментов по поиску экспертных свидетельств в юридических, биомедицинских, научных, политических и технических документах, особенно при наличии тематически близких нерелевантных кандидатов. В оценке на LegalBench-RAG и R2MED fusion-система улучшила nDCG@10 относительно dense-поиска на 0,0981 на 820 запросах; результаты пока ограничены двумя экспертными наборами данных и не подтверждают универсальное превосходство. Модель выпущена под лицензией MIT. Она требует точного совпадения базового чекпойнта, адаптера, токенизатора, слоя, позиции, SAE и схемы pooling; смена этих компонентов нарушает калибровку. Вычисление двух префиллов на кандидата дорого, а оценки зависят от состава списка. Релевантность в бенчмарках не подтверждает фактическую, юридическую или клиническую корректность найденной информации.

Fusion Perception 1 v0.1-preview — модель извлечения признаков изображений от EximiusLabs для поиска фотографий одного и того же места при смене ракурса, сезона, времени суток или условий съёмки. Она использует замороженный визуальный энкодер DINOv2 ViT-L/14 и обученную проекционную голову; в репозитории находятся только веса головы размером 3,1 млн параметров. Модель преобразует изображение в единичный вектор размерности 512, а галерею ранжируют по косинусному сходству. Модель предназначена для поиска ориентиров и повторной локализации, в том числе в больших галереях с миллионами посторонних изображений. В README приведены результаты на наборах ROxford и RParis с отвлекающими изображениями; на RParis+1M авторы сообщают о результатах выше сравниваемых опубликованных систем, тогда как на ROxford+1M модель близка к передовым результатам, но не превосходит их во всех настройках. Повторное ранжирование короткого списка улучшает качество, но требует хранения локальных дескрипторов. Это исследовательская предварительная версия, и указанные результаты относятся к задачам поиска ориентиров. Качество на внутренних сценах, однотипных промышленных объектах и поверхностях с малой текстурой не охарактеризовано. Модель распространяется по лицензии CC BY-NC 4.0; указанная для базового энкодера лицензия Apache-2.0 не заменяет лицензию этого репозитория.

merve/rfdetr-roadsign-agree1-large-noaug — дообученная модель Roboflow на основе RF-DETR Large для обнаружения дорожных знаков и сигналов на изображениях. По метрикам в карточке модель распознаёт категории, включая остановку, запрет въезда и поворота, пешеходный переход, железнодорожный переезд, светофор и его цвета. На оценочном наборе указаны mAP 0,6845 и mAP@50 0,7721; набор данных в карточке не назван. Модель предназначена для локализации объектов дорожной инфраструктуры в сценариях анализа дорожных изображений и помощи системам компьютерного зрения. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия Apache-2.0.

R.I.C.O. v2 — экспериментальная мультимодальная модель проекта XORTRON Criminal Computing, созданная для исследований безопасности ИИ и оценки того, как продвинутые системы могут способствовать преступной деятельности и другим видам злоупотреблений. Это дообученная плотная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration; метаданные указывают базу DavidAU/Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NM-DAU, диалоговые возможности, обработку изображений и формат Safetensors. Модель предназначена для ограниченных исследований, включая оценку рисков, red teaming, моделирование угроз, анализ злоупотреблений ИИ и разработку защитных мер. Она принимает текст и изображения и выдаёт текст; карточка не сообщает размер модели или длину контекста. Модель может создавать неточные, неполные, вводящие в заблуждение, оскорбительные или опасные ответы, поэтому результаты требуют независимой проверки и не подходят как юридические советы или авторитетные фактические выводы. В карточке указана лицензия Apache-2.0, а также условия доступа разработчика: модель предназначена для квалифицированных специалистов и законных исследовательских, правовых, государственных, образовательных или защитных целей; использование для совершения или содействия преступлениям запрещено. Перед применением следует учитывать эти условия и применимые правила организации.

SegFormer-B4 — модель NVIDIA для семантической сегментации изображений, дообученная на датасете Cityscapes с разрешением 1024×1024. Архитектура сочетает иерархический Transformer-энкодер с лёгкой MLP-головой декодирования; исходный энкодер предварительно обучен на ImageNet-1k. Модель предназначена для отнесения каждого пикселя изображения к классу, в частности для сегментации городских сцен. Её можно применять для анализа дорожных изображений и сцен городской среды. Доступны веса в форматах PyTorch и TensorFlow. Данных о поддержке естественных языков нет, поскольку модель работает с изображениями и выдаёт пиксельную разметку. В карточке указана лицензия other, без уточнения её условий. Качество модели и область применения ограничены обучением на Cityscapes; карточка не приводит подробных результатов оценки или перечня классов.

Это зеркало официального чекпойнта STDC1-Seg75 для семантической сегментации изображений на наборе Cityscapes. Модель разработана авторами проекта STDC-Seg; архитектура Short-Term Dense Concatenate Network со backbone STDCNet813 описана на CVPR 2021. В репозитории размещены неизменённые веса fp32 в формате PyTorch, первоначально опубликованные в MichaelFan01/STDC-Seg. Чекпойнт предназначен для разметки городских сцен по 19 классам, например для анализа изображений улиц и дорожной инфраструктуры. Для загрузки требуется код архитектуры из исходного репозитория STDC-Seg; он не включён в зеркало. Лицензия репозитория — MIT.

simeneide/tts_stortinget_qwen — модель преобразования текста в промежуточные аудиотокены, разработанная на основе Qwen2.5-0.5B и дообученная на 2000 часах данных норвежского парламента в течение трёх эпох. В репозитории указана архитектура Qwen2 для генерации текста; размер модели составляет 498,2 млн параметров, а контекст — до 32 768 токенов. Модель предназначена для синтеза речи на норвежском языке в сценариях, связанных с парламентскими данными. Она выдаёт токены wavtokenizer, а не готовый аудиосигнал, поэтому для получения звука может понадобиться совместимый декодер. В карточке не указаны качество синтеза, поддержка других языков или условия лицензии.

Это англоязычная модель автоматического распознавания речи на базе OpenAI Whisper Medium EN, дообученная автором jacktol на данных авиационной радиосвязи. Она предназначена для транскрибирования коротких передач пилотов и диспетчеров, в том числе речи с различными акцентами, нестандартной фразеологией и помехами. Модель содержит около 455,8 млн параметров и принимает аудио, выдавая текст. В тестировании из карточки для неё указана WER 15,08%; автор отмечает улучшение относительно исходной модели на ATC-речи. Репозиторий создан 3 октября 2024 года и содержит веса в формате safetensors. Модель подходит для подготовки расшифровок переговоров в системах управления воздушным движением, анализа авиационной радиосвязи и исследовательских или учебных проектов. Она лицензирована по MIT. Автор пометил эту версию как устаревшую и сообщает о более новой модели с лучшим результатом на тестовом наборе.

CMGAN-LiteRT — версия CMGAN, перенесённая в формат LiteRT TFLite сообществом litert-community для подавления шума и улучшения монофонической речи на устройстве. Модель построена на dual-path Conformer с четырьмя временными и частотными блоками и содержит 1,83 млн параметров. Она обрабатывает аудиофрагменты длительностью 2 секунды при частоте 16 кГц; граф включает STFT и сжатие спектра, а выходом служит улучшенная речь, восстановленная из комплексной спектрограммы. Модель предназначена для очистки речи на мобильных и периферийных устройствах. В README приведён прирост SI-SNR на 7,2 дБ на отдельном шумном примере. Совместимость и скорость зависят от среды выполнения и ускорителя: полный граф размещался на GPU через LiteRT CompiledModel на Pixel 8a, тогда как классический TFLite GPU delegate выполнял на GPU лишь часть графа; для CPU/XNNPACK и Snapdragon NPU описаны проблемы запуска или скорости. Модель обучена на VoiceBank-DEMAND; код и веса восходящего проекта распространяются по лицензии MIT.

MewZoom-V0-4X — модель повышения разрешения изображений из семейства MewZoom, разработанного Andrew Dalpino. Она увеличивает изображения в 4 раза и одновременно восстанавливает детали, уменьшая размытие, шум и артефакты JPEG. Модель обрабатывает полноцветные RGB-изображения; версия V0-4X использует 96 каналов, 40 слоёв энкодера и содержит около 14 млн параметров. Модель предназначена для улучшения и масштабирования фотографий и других изображений низкого разрешения. Для настройки восстановления предусмотрен вариант с управляющим вектором из трёх значений, задающих предполагаемый уровень размытия, шума и JPEG-сжатия. Репозиторий содержит веса в форматах ONNX и Safetensors, а лицензия — Apache-2.0.

SegFormer B5 — модель семантической сегментации изображений, представленная авторами статьи Xie et al. Она дообучена на Cityscapes при разрешении 1024×1024 и предназначена для попиксельного отнесения объектов городской сцены к классам разметки. Архитектура сочетает иерархический Transformer-энкодер, предварительно обученный на ImageNet-1k, и лёгкую декодирующую голову на основе MLP. Модель принимает изображение и выдаёт карту семантических классов; репозиторий содержит веса PyTorch и TensorFlow. В карточке указана лицензия other. Модель подходит для анализа уличных и дорожных сцен, например для выделения проезжей части, зданий и других элементов окружения. Её специализация на Cityscapes ограничивает надёжность на изображениях и типах сцен, отличающихся от обучающих данных; карточка также не содержит отдельного описания модели от команды SegFormer.

jacktol выпустил дообученную версию Whisper Large v3 от OpenAI для распознавания речи в авиационных радиопереговорах. Модель принимает аудио и преобразует короткие сообщения пилотов и авиадиспетчеров в текст на английском языке. Дообучение на наборе ATC ASR Dataset адаптирует модель к авиационной терминологии и фразеологии, вариациям акцентов, неоднозначным формулировкам и шумным или искажённым передачам. В README заявлен показатель WER 6,5% на тестовом наборе; он не гарантирует такую же точность на других данных. Модель может применяться для транскрибации переговоров, поддержки систем управления воздушным движением, исследований и обучения. Архитектура — WhisperForConditionalGeneration, около 905,2 млн параметров; веса представлены в формате safetensors. Лицензия — MIT. Модель предназначена прежде всего для английской авиационной речи, а на речи из других областей может работать хуже; качество также снижается при очень плохом аудио и акцентах, недостаточно представленных в обучающих данных.

ATC-Pilot Speaker Role Classification Model — англоязычная модель классификации текста, разработанная Jack Toland для определения роли отправителя в отдельной фразе авиационного радиообмена: пилот или диспетчер воздушного движения (ATC). Это дообученная для классификации последовательностей модель DeBERTa-v3-large с 533,8 млн параметров; она принимает текст и возвращает метку класса. Метаданные указывают библиотеку Transformers, формат весов safetensors и контекст до 512 токенов; в описании обучения указана максимальная длина последовательности 256 токенов. Модель предназначена для разметки ролей в текстовых расшифровках авиационной связи, подготовки авиационных корпусов и предварительной обработки данных для мультимодальных систем. В README сообщается F1 96,65% на тестовом наборе, однако результат зависит от соответствия новых данных обучающему распределению. Лицензия — MIT. Классификатор использует только текст одной реплики и не учитывает историю диалога, аудио или метаданные связи. Поэтому краткие и неоднозначные фразы, например «ROGER» и «THANK YOU», могут классифицироваться неверно; для сложных случаев может понадобиться дополнительный контекст или аудио.

zhuchi76/detr-resnet-50-finetuned-boat-dataset — модель обнаружения объектов, дообученная автором репозитория на наборе boat_dataset на основе facebook/detr-resnet-50. Она предназначена для обнаружения и локализации объектов на изображениях, в частности для сценариев с лодками. Архитектура — DETR с ResNet-50; число параметров по метаданным — 6,3 млн. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. Поддержка русского или других языков для этой задачи не заявлена. README не содержит дополнительных сведений о качестве, разметке набора данных и ограничениях применения.

DLM-NL2JSON-4B — модель Data Science Lab., Ltd., дообученная на базе Qwen3-4B с объединённым LoRA-адаптером. Она преобразует запросы на корейском языке о государственных и экономических данных в однострочный JSON по фиксированным схемам аналитического сервиса Big Data Wave города Пусан. Модель рассчитана на извлечение параметров анализа населения, потоков населения и потребительских расходов; для работы нужны соответствующие системный промпт и специальный токен категории. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 3,7 млрд параметров и контекст до 40 960 токенов. В тестировании авторов на 2 041 примере точность сопоставления полей составила 94,4% (96,8% с поправкой на отмеченный шум разметки). Выпущена под лицензией Apache-2.0. Применение ограничено заданными схемами и форматами промптов сервиса Пусана: модель не предназначена для произвольного преобразования текста в JSON или для общего диалога. По данным README, наиболее слабый результат показан на категории CPI; шум в обучающих данных также влияет на поле возрастных групп в запросах о потребительских расходах.

Dolphin — эффективная модель аудиовизуального разделения речи, разработанная командой JusperLee. Она выделяет речь целевого человека из смешанного или шумного аудио, используя акустические признаки и движения губ. В карточке заявлены результаты на VoxCeleb2 и ускорение инференса более чем в шесть раз при сокращении числа параметров более чем на 50% по сравнению с предыдущими методами. Модель объединяет свёрточный аудиоэнкодер, видеокодер DP-LipCoder с дискретными семантическими токенами, механизм Global-Local Attention на основе TDANet и аудиодекодер. На вход подаются моноаудио с частотой 16 кГц и видеокадры области губ с частотой 25 кадров в секунду; выход — выделенная аудиодорожка. Модель рассчитана на английскую речь и сценарии с видимым лицом, например видеоконференции, слуховые устройства и автомобильные системы. Для оптимальной работы нужны фронтальный или почти фронтальный вид лица и достаточно качественное освещение; сильные перекрытия лица и недостаточная освещённость ухудшают результат. Код проекта указан под лицензией Apache-2.0, но лицензия весов другая: карточка не подтверждает разрешение на коммерческое или производственное применение.

maheshsharma18/lowlight-denoise-sr-rrdbnet — модель на архитектуре RRDBNet, разработанная для подавления шума и увеличения разрешения изображений при слабом освещении. Модель дообучена для совместного выполнения этих задач и использует 23 RRDB-блока, 64 канала признаков и 32 канала роста. Она принимает RGB-изображение с вещественными значениями в диапазоне [0, 1] и выдаёт RGB-изображение с разрешением в четыре раза выше по каждой стороне. Модель предназначена для улучшения тёмных и зашумлённых фотографий, когда требуется восстановить детали и увеличить размер изображения за один проход. Веса доступны в формате safetensors, реализация — на PyTorch. Репозиторий распространяется по лицензии MIT.

Mask2Former — модель компьютерного зрения семейства Mask2Former, опубликованная командой Hugging Face. Эта версия с компактным Swin-Tiny backbone обучена на Cityscapes для паноптической сегментации городских сцен и предсказывает маски объектов вместе с соответствующими метками. Архитектура использует многоуровневый декодер признаков на основе deformable attention и Transformer-декодер с masked attention. Модель предназначена для разделения изображения на семантические области и отдельные экземпляры объектов в рамках паноптической сегментации. Её можно применять для анализа уличных сцен, например, чтобы выделять и классифицировать объекты на изображениях городской среды. Чекпойнт опубликован в форматах PyTorch и safetensors; лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории модели.

MegaLoc — модель извлечения признаков изображений для визуального распознавания мест (VPR), разработанная авторами проекта MegaLoc. Она предназначена для поиска изображений одного и того же места в больших базах по запросу-картинке и рассчитана на работу как в помещениях, так и на открытом воздухе. В статье о модели представлены результаты на наборах данных VPR; среди примеров — поиск по базе SF-XL из 2,8 млн изображений. Модель реализована на PyTorch; в репозитории доступны веса Safetensors и формат ONNX. Лицензия — MIT. Карточка не сообщает размер модели, длину контекста или поддерживаемые естественные языки: модель работает с изображениями и не предназначена для генерации текста.

merve/rfdetr-road-signs-agree1 — дообученная Merve модель Roboflow/rf-detr-medium для обнаружения дорожных знаков и сигналов на изображениях. Она использует архитектуру RF-DETR и выдаёт найденные объекты с ограничивающими рамками и классами, включая знаки остановки, парковки, пешеходного перехода, запрета поворота, а также светофор и его сигналы. Модель может применяться для анализа дорожных сцен и распознавания перечисленных категорий знаков. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В README приведены метрики оценки на наборе данных, который там не идентифицирован: общий mAP составляет 0,2689, а качество заметно различается между классами. Например, mAP для парковки — 0,9, тогда как для знака «пешеходный переход зебра» — 0,0137. Результаты указывают на неодинаковую точность распознавания категорий; пригодность для конкретных условий следует оценивать отдельно.

SegFormer B0 — компактная модель семантической сегментации изображений, разработанная на основе nvidia/mit-b0 и дообученная Chamusuke на наборе segments/sidewalk-semantic. Она размечает пиксели на классы, включая дорогу, тротуар, велосипедную дорожку, людей, автомобили, здания, растительность и небо, поэтому подходит для анализа уличных и дорожных сцен. На тестовом наборе указаны mean IoU 0,3425 и общая точность 0,8735. Качество заметно различается по классам: высокие значения IoU приведены для тротуара, дороги, велосипедной дорожки и автомобилей, тогда как некоторые классы имеют нулевые или очень низкие результаты. Модель принимает изображение и выдаёт карту семантических классов. Лицензия в метаданных обозначена как other, без уточнения конкретных условий.

Nekshay/SWIN_Angle_Detection_Car — модель классификации изображений, разработанная пользователем Nekshay на Hugging Face. Она предназначена для определения угла обзора или ориентации автомобиля по изображению. Модель основана на архитектуре Swin Transformer и содержит около 58,7 млн параметров. Она опубликована для задачи image classification и также имеет конвертацию в формат ONNX, что может упростить развёртывание в прикладных системах компьютерного зрения. Основное применение — анализ изображений автомобилей с классификацией их угла или положения, например для задач автомобильной аналитики и подготовки данных для систем распознавания транспортных средств. Сведения о поддерживаемых естественных языках, длине контекста, точном наборе классов, обучающем датасете и лицензии надёжно не установлены.

Семантическая модель сегментации Restor и ETH Zurich на архитектуре SegFormer mit-b3, предназначенная для выделения древесного покрова на аэрофотоснимках высокого разрешения. Модель присваивает каждому пикселю класс «дерево» или «не дерево» и оценивает вероятность покрытия кронами; отдельные деревья она не обнаруживает. Обучение проводилось на глобальных аэрофотоснимках, в том числе наборе Restor TCD, с исходным разрешением около 10 см на пиксель. Основной сценарий — оценка доли древесного покрова на участке по ортофотоплану. Для крупных мозаик потребуются отдельные средства разбиения изображений на фрагменты и объединения предсказаний; для анализа конкретной территории также нужен анализ области интереса. Качество может снижаться в недостаточно представленных биомах и при другом разрешении снимков. Возможны ложные срабатывания на кустарниках и похожем растительном покрове; метки обучения могли содержать ошибки. Модель не оценивает биомассу или высоту крон и не подходит сама по себе для расчёта углеродных кредитов. В метаданных указана лицензия CC; в карточке отмечены исследовательская лицензия NVIDIA SegFormer и обучение на изображениях CC BY-NC, поэтому условия их использования следует проверять отдельно.

ULUNAS Speech Enhancement — разработанная Xiaobin Rong, Leyan Yang, Dahan Wang, Yuxiang Hu, Changbao Zhu, Kai Chen и Jing Lu потоковая модель шумоподавления речи на основе компактной архитектуры U-Net. Этот вариант опубликован в формате LiteRT FlatBuffer (TFLite) с точностью FP32 и предназначен для потоковой обработки речи на устройствах с ограниченными ресурсами. Размер модели — 5,71 МБ; на смартфоне Vivo X300 она показала RTFx 23,14 при работе на одном ядре Arm CPU. Модель принимает монофонический звук с частотой 16 кГц и обрабатывает кадры по 512 отсчётов с шагом 256. Она выдаёт улучшенные аудиокадры той же длины; сборка потока выполняется вызывающим приложением с помощью overlap-add и нормализации. В архитектуре используются эффективные свёрточные блоки, PReLU и причинное внимание во временно-частотной области. Исходный чекпойнт обучен на DNS3; пакет получен конвертацией в LiteRT с переписыванием операции декодера для текущего кадра. Модель подходит для подавления фонового шума в реальном времени на мобильных и малоресурсных устройствах. Качество отдельно не оценивалось; README ожидает его соответствие исходной реализации благодаря сохранению FP32. Поддерживается только монофонический звук 16 кГц. Лицензия — MIT.

ABot-Recon-Axera — Axera-TECH подготовила вариант потоковой модели трёхмерной реконструкции ABot-Recon, скомпилированный для нейропроцессора Axera AX650N. Модель принимает последовательность кадров видео и формирует оценки позы камеры, точки сцены в мировых координатах и оценки уверенности; обработка включает кодировщик, потоковый декодер с KV-кэшем и выходные головы. Размер входного кадра — 280×504 пикселя, рассчитанный на горизонтальное видео формата 16:9. Модель предназначена для восстановления геометрии сцены и движения камеры по видеопоследовательности, например для построения облака точек и просмотра реконструированной сцены в 3D. Для запуска требуется совместимое оборудование AX650N или AXCL и около 6 ГБ зарезервированной памяти CMM при работе на чипе. Поддерживаются веса в формате AXERA axmodel; репозиторий также содержит safetensors. Лицензия весов — CC BY-NC 4.0, только для некоммерческого использования; коммерческое применение требует отдельного письменного разрешения. В модели нет замыкания петель, а ограничение present_valid до 8 вместо 11 может вызывать небольшой дрейф на длинных последовательностях. Вертикальное видео обрезается до центральной части кадра, поэтому рекомендуется использовать горизонтальные ролики.

ASGTransformer — модель генерации сценариев для защитной кибербезопасности, представленная в репозитории wasmdashai/asg-v1. Она объединяет семантический энкодер, планировщик сценариев и их длительности, генератор профессионального текста и каталог знаний. Модель принимает текст и формирует структурированный сценарий; заявлена поддержка нескольких языков и работа через библиотеку Transformers на CPU и GPU. Модель предназначена для авторизованных учебных и корпоративных задач: подготовки учений по реагированию на инциденты, сценариев tabletop и purple team, обучения осведомлённости сотрудников, разработки обнаружений и проверки средств защиты. В карточке не приведены размер модели и длина контекста. Лицензия не указана в доступных данных.

Brunei Malayu Translator v3 — модель-переводчик, разработанная автором ningpy и дообученная на базе Qwen/Qwen3-0.6B Instruct. Она преобразует фразы на брунейском малайском в стандартный малайский и дополнена терминами медицинской и клинической тематики. Модель построена на плотной архитектуре Qwen3 с 507,9 млн параметров и контекстом до 40 960 токенов. Дообучение выполнено методом LoRA на 29,8 тыс. параллельных пар предложений; в медицинской части использованы около 1 660 диалектных терминов. В тесте на 1 623 примерах указаны BLEU 60,57 и chrF++ 79,53. Результаты тестирования могут завышать качество на реальных текстах, поскольку тестовый набор создан по тому же синтетическому распределению, что и обучающие данные. Редкие брунейские слова также могут переводиться хуже. Модель распространяется по лицензии Apache-2.0.