IV.9Медиа, журналистика, культура, архивы и игры

Telugu OCR Model — модель распознавания печатных строк на телугу, разработанная Harsha Desaraju и обученная с нуля для этой задачи. Она принимает изображение одной строки и возвращает её текст. Архитектура включает сверточный экстрактор признаков, трансформерный энкодер с CTC-головой и 16-слойный GPT-декодер с перекрёстным вниманием; размер — около 81 млн параметров, формат весов — safetensors. Для токенизации используются графемные кластеры телугу. В README приведены результаты проверки на 1044 размеченных строках: символьная ошибка 1,19%, ошибка акшар 1,98%, точное распознавание строки — 71,7%. Доступны режимы декодирования joint, ctc и beam. Модель предназначена для распознавания строк печатного текста телугу в сканах книг. Она не выполняет поиск строк или анализ макета страницы: изображения нужно предварительно сегментировать. Не подходит для рукописей, вывесок, текста в сценах и исторической орфографии; строка шире 2048 пикселей после масштабирования до высоты 64 не кодируется. Использование требует Transformers с trust_remote_code=True. Лицензия — MIT.

succinctly/text2image-prompt-generator — модель GPT-2, дообученная Succinctly AI на наборе из 250 тысяч пользовательских запросов к Midjourney, собранных за месяц. Она генерирует и автоматически дополняет текстовые промпты для моделей преобразования текста в изображение, включая семейство DALL·E. Модель принимает текст и выдаёт текст. Она может продолжить описание изображения и использовать параметры в стиле Midjourney, например для задания соотношения сторон или исключения объектов. Такие специфичные теги могут появляться и при создании промптов для других генераторов. Максимальная длина контекста — 1024 токена; формат весов — PyTorch. Модель ориентирована на англоязычные промпты и не генерирует изображения сама. Лицензия — CC BY 2.0; при использовании следует указать авторство Succinctly AI.

Yigdzin 1 — специализированная модель оптического распознавания тибетского текста, разработанная Buddhist Digital Resource Center (BDRC) на базе PaddlePaddle/PaddleOCR-VL-1.6. Это зрительно-языковая модель с визуальным энкодером и декодером для генерации текста; размер — около 810 млн параметров. Репозиторий распространяет веса в формате safetensors, библиотека для работы — Transformers, лицензия — Apache-2.0. Модель предназначена для распознавания страниц тибетских книг-печа, включая современные издания, ксилографы и рукописи с письмом учен и у-мед. Она сохраняет переносы строк и рассчитана на пакетную обработку сканов или заданных фрагментов страниц. На тестовом наборе BDRC из 1 070 страниц медианная ошибка символов составила около 1,4% при описанной авторами производственной конфигурации. Yigdzin 1 не предназначена для общего визуального диалога, ответов на вопросы по изображениям или распознавания нетибетских письменностей. Она не выполняет обнаружение строк и областей, а транскрибирует поданное изображение целиком или предоставленный фрагмент. Авторы отмечают остаточные повторы на небольшой доле страниц, ошибки объединения строк на некоторых плотных ксилографах, а также трудности с иллюстрациями и повреждёнными или плохо читаемыми страницами.

tinydit-256 — модель генерации изображений по тексту, созданная ivanmikhnenkov. Это диффузионный трансформер с 210 млн параметров, обученный с нуля за 400 тысяч шагов на 4,2 млн изображений с разрешением 256² и выше. Для кодирования текста используется замороженный flan-t5-base, а для латентного представления изображений — замороженный автоэнкодер FLUX.2; сами трансформер, рецепт обучения, конвейер данных и оценка разработаны автором. Модель предназначена для генерации изображений по текстовым запросам. Она лучше справляется с одиночными объектами, животными, сценами, цветами и простыми отношениями между объектами; поддерживает пять соотношений сторон. В README приведены результаты оценки на отложенных запросах: FID 27,0 и точность распознавания объектов классов COCO 90% при указанных настройках генерации. Известные ограничения — генерация читаемого текста, детализированных лиц крупным планом, толпы и точного количества объектов свыше трёх. Для запуска нужны веса VAE FLUX.2, доступ к которым ограничен и которые не входят в репозиторий, а также flan-t5-base. Лицензия — CC BY-NC 4.0, разрешено использование с указанием авторства, но не коммерческое.

TinyViking-1.1B-v0.1 — специализированная языковая модель от phanerozoic для генерации текстов о викингах. Это плотная авторегрессионная модель семейства Llama объёмом 1 млрд параметров, дообученная на TinyLlama/TinyLlama-1.1B-Chat-v1.0. Модель рассчитана на генерацию тематических историй и диалогов, в том числе для персонажей NPC в играх, и оптимизирована для сред с ограниченными вычислительными ресурсами. Модель поддерживает чат и генерирует текст на английском языке; контекст составляет 2048 токенов. В качестве обучающих данных использовалась «Сага о Греттире Сильном». Она хорошо подходит для викингской тематики, но не предназначена для широкого круга языковых задач и может давать неточные ответы на сложные научные и технические вопросы. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Карточка модели AMK27/TRELLIS-image-large на Hugging Face совпадает с карточкой microsoft/TRELLIS-image-large, поэтому описание составлено по ней. TRELLIS Image Large — модель генерации 3D-объектов по изображению, основанная на проекте TRELLIS. Она принимает изображение как условие и предназначена для создания трёхмерного представления объекта. Модель представлена в исследовательской работе «Structured 3D Latents for Scalable and Versatile 3D Generation». В метаданных указаны библиотека TRELLIS, формат весов Safetensors и лицензия MIT. Карточка описывает вариант TRELLIS с большим размером, но не приводит число параметров, детали архитектуры, сведения о поддерживаемых языках или ограничения качества.

Карточка модели kaienpjy/TRELLIS-image-large на Hugging Face совпадает с карточкой microsoft/TRELLIS-image-large, поэтому описание составлено по ней. TRELLIS Image Large — модель генерации 3D-объектов по изображению, основанная на проекте TRELLIS. Она принимает изображение как условие и предназначена для создания трёхмерного представления объекта. Модель представлена в исследовательской работе «Structured 3D Latents for Scalable and Versatile 3D Generation». В метаданных указаны библиотека TRELLIS, формат весов Safetensors и лицензия MIT. Карточка описывает вариант TRELLIS с большим размером, но не приводит число параметров, детали архитектуры, сведения о поддерживаемых языках или ограничения качества.

TrOCR Kurrent XVI–XVIII — модель распознавания рукописного текста, разработанная Jonas Widmer, Anna Funk, Christa Schneider и Tobias Hodel в рамках Digital Humanities@University of Bern. Она предназначена для чтения немецкого куррентного письма XVI–XVIII веков по изображениям отдельных строк. Архитектура — VisionEncoderDecoderModel; модель основана на dh-unibe/trocr-kurrent и обучена на корпусе примерно из 1 579 200 слов. Для тестовой выборки указана CER 0,05416, для оценочной — 0,05673. Модель принимает обрезку одной рукописной строки за вызов, а не изображение целой страницы. Для обработки страницы её сначала нужно сегментировать на строки; среди упомянутых средств сегментации — kraken, eScriptorium и Transkribus. Данные обучения смещены в сторону швейцарских документов, поэтому точность на других корпусах и почерках может отличаться. Авторы отмечают, что модель требует дальнейшего тестирования и может быть полезна для дообучения. Лицензия — MIT.

LaMOP/TrOCR_Manicule_2026_Latin_Medieval — модель распознавания рукописного текста, разработанная как дообучение microsoft/trocr-base-handwritten на строках средневековых рукописей на латыни и старофранцузском языке. Она предназначена для транскрибации строк на изображениях исторических документов, включая акты, картулярии и рукописи позднего Средневековья. Модель использует архитектуру TrOCR: визуальный энкодер ViT и декодер RoBERTa; входное разрешение — 384 × 384 пикселя. Реализация рассчитана на PyTorch и Transformers и может выполнять инференс на CUDA или CPU. Лицензия — MIT. Модель специализирована на средневековом почерке и указанных исторических языках; качество на других языках, типах текста и изображениях не подтверждено. Для распознавания отдельных строк необходимо подготовить изображения соответствующего формата.

hansjio/tsektxt-mbert — модель Hans Jio Arca, созданная в рамках проекта TsekTxt и дообученная на основе bert-base-multilingual-cased. Это трансформерный кодировщик BERT с классификационной головой для двух меток: Suspicious и Not Suspicious. Модель предназначена для выявления подозрительной или потенциально вводящей в заблуждение информации в коротких и средних сообщениях на тагальском, английском и смешанном Taglish; она служит мультиязычной базовой моделью в сравнении с другими моделями проекта. Модель обучена на примерно 25 400 размеченных примерах из Fake News Filipino Dataset и Philippine Fake News Corpus. По README, на отложенной выборке из 2 540 примеров точность составила 0,97. Максимальный контекст — 512 токенов, размер — 205,1 млн параметров. Лицензия CC-BY-NC-4.0 допускает некоммерческое использование с указанием авторства. Модель рассчитана на посты в соцсетях в филиппинском языковом контексте. Данные смещены в сторону развлекательной и политической тематики; модель не оценивалась на длинных документах, формальных новостных статьях или текстах вне филиппинского контекста. Её результаты не следует использовать как окончательный фактчекинг или как единственное основание для решений с юридическими либо репутационными последствиями; в таких случаях требуется проверка человеком.

Ukeiyo-style Diffusion — дообученная модель Stable Diffusion от salmonhumorous для создания изображений в стиле традиционной японской укиё-э. Чтобы вызвать этот стиль, в текстовый запрос рекомендуется добавлять токены «ukeiyoddim style». Модель подходит для генерации пейзажей и иллюстраций; её можно запускать через Diffusers или использовать файл checkpoint с собственной реализацией Stable Diffusion. В карточке указана лицензия CreativeML OpenRAIL-M. По приведённым примерам модель обучалась на разных этапах вплоть до 2000 шагов. Ограничения связаны с базовыми возможностями генерации изображений Stable Diffusion и возможным качеством стилизации; конкретные результаты зависят от запроса и настроек генерации.

Ultimate RPG System 3.2 1B — компактная языковая модель NovaCorp для ролевых игр и интерактивного повествования. Она предназначена для ведущих настольных и цифровых RPG, авторов мрачного фэнтези, хоррора и постапокалиптических историй. Модель генерирует сцены, диалоги NPC, описания боёв, конфликты фракций и сюжетные развилки с устойчивым напряжённым тоном. Модель основана на плотной архитектуре Llama, содержит 1,2 млрд параметров и рассчитана на контекст до 131 072 токенов. По карточке, это слияние методом SLERP моделей NovaCorp/Fornicator-3.2-1B и NovaCorp/RPG_System-3.2-1B; веса представлены в safetensors, указана точность bfloat16. Метаданные отмечают английский и испанский языки. Лицензия — Llama 3.2. Модель ориентирована на художественный roleplay с жестокостью, откровенными темами и низкой склонностью к отказам. Она может выдавать графическое насилие, грубую лексику и чрезмерную эскалацию сюжета; не подходит для детской аудитории, профессионального общения или задач, требующих сдержанного и поддерживающего тона. Карточка позиционирует её для RPG и творчества, а не для точных вычислений или деловых задач.

ValMix2-byHemlok — модель генерации изображений в стиле аниме, созданная Hemlok. Она предназначена для создания иллюстраций по текстовым запросам и используется как text-to-image модель в Diffusers; репозиторий содержит веса в формате Safetensors. В README упоминается пример изображения, сгенерированного через AUTOMATIC1111. Лицензия указана как other, поэтому условия использования следует проверять в файлах репозитория. README не сообщает размер модели, базовую модель, поддерживаемые языки и ограничения качества.

Карточка модели KlingTeam/VidEmo-3B на Hugging Face совпадает с карточкой KlingTeam/VidEmo-7B, поэтому описание составлено по ней. VidEmo-7B — мультимодальная модель KlingAI, созданная исследователями из Нанкайского университета, Pengcheng Laboratory и Kuaishou Technology. Она предназначена для анализа видео с фокусом на эмоциях и использует рассуждение по аффективному дереву. Модель основана на Qwen/Qwen2.5-VL-7B-Instruct и дообучена на датасете KlingTeam/Emo-CFG. Это плотная модель семейства Qwen2.5-VL с 7,1 млрд параметров; она принимает видео и текстовые запросы и выдаёт текст. Размер контекстного окна — 128 000 токенов. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. Модель подходит для задач понимания эмоционального содержания видео и ответов на вопросы о нём. Работа принята на NeurIPS 2025. Данных о точности и конкретных ограничениях в карточке нет.

minhah/videomae-base-finetuned-ucf101-subset — видеомодель VideoMAE, дообученная на основе MCG-NJU/videomae-base для классификации видео. Модель содержит 113,2 млн параметров и сохранена в формате safetensors. Она предназначена для отнесения видео к классам. На указанном в карточке наборе для оценки достигла точности 0,8839 при значении функции потерь 0,4364. README называет обучающие данные неизвестным набором, хотя название репозитория указывает на подмножество UCF101. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Оценка качества относится только к указанному набору для оценки; состав классов и применимость к другим видео не описаны.

IlyaGusev/vikhr_nemo_orpo_dostoevsky_12b — русскоязычная чат-модель на 12,1 млрд параметров, созданная дообучением Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24 методом ORPO на контрастивном наборе русской литературы. Модель предназначена для генерации текста и диалога, в частности для ответов и стилизаций, связанных с русской литературой.

Volleyball person + ball detector — модель обнаружения объектов на основе D-FINE-S, дообученная grdesignbuild для волейбольных видеозаписей. Она находит два класса: людей и волейбольные мячи; различать игроков, судей, тренеров и зрителей модель не умеет. Модель предназначена для автоматического поиска игровых моментов в приложении для записей матчей и может использоваться для подсчёта и локализации людей и мяча в кадрах. Модель имеет около 10 млн параметров и принимает изображения. Для кадров до 1080p рекомендуется обрабатывать целиком; для 4K README советует нарезать кадр на перекрывающиеся тайлы примерно по 860 пикселей, выполнить дополнительный проход по полному кадру и объединить результаты с помощью NMS. Для видео с камеры за лицевой линией указаны тайлы около 640 пикселей. Обучение проводилось на матчах и тренировках одного клуба, с разных площадок и камерных ракурсов; человек размечен псевдометками, метки мяча проверялись вручную. Лицензия — Apache-2.0. Сильная сторона модели — обнаружение небольшого мяча и людей в волейбольных кадрах, включая съёмку с судейской вышки и из-за лицевой линии. По README, на отложенных записях с судейской камеры она сохранила семь корректных обнаружений мяча из семи заявок в выборке из 24 кадров. Результаты могут быть хуже на трансляциях и при иных ракурсах; частые пропуски связаны с сильным смазыванием мяча, а мячи на соседних площадках и в тележках тоже обнаруживаются. Для выбора игроков по зоне площадки нужна дополнительная фильтрация.

Это модуль ControlNet для Wan2.2 A14B, использующий HED-контроль для управления генерацией видео. Разработчик указывает, что модуль основан на том же подходе, что и ControlNet для Wan2.1; веса размещены в формате safetensors. Модель предназначена для преобразования и генерации видео с управлением по HED-карте контуров. Для работы с ней автор рекомендует ComfyUI-WanVideoWrapper и актуальную версию diffusers. Репозиторий распространяется по лицензии Apache-2.0.

wavlm-emotion-russian-resd — модель распознавания эмоций в русской речи, разработанная Aniemore. Это дообученная на датасете Aniemore/resd модель jonatasgrosman/exp_w2v2t_ru_wavlm_s363 на архитектуре WavLM с классификационной головой. По метаданным, модель содержит 402,7 млн параметров и использует веса PyTorch в формате Safetensors. Модель принимает монофоническую аудиозапись с частотой 16 кГц и относит речь к одному из семи классов: гнев, отвращение, воодушевление, страх, счастье, нейтральное состояние или грусть. Она предназначена для распознавания эмоций в отдельных русскоязычных речевых фрагментах; в тесте на RESD показала macro-F1 0,8026. Качество заметно зависит от типа аудио: RESD содержит сбалансированную актёрскую речь, тогда как на спонтанной речи из подкастов результаты существенно ниже, а эмоциональные классы переоцениваются. Для реальных записей рекомендуется проверять качество на собственных данных и калибровать оценку нейтрального класса. Лицензия модели — MIT.

Wayfarer-12B-GGUF — набор GGUF-квантизаций 12-миллиардной языковой модели Wayfarer-12B, разработанной LatitudeGames и квантизированной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, прежде всего для текстовых приключений и ролевых сценариев. Указан английский язык; поддерживаемые модальности ограничены текстом. Доступны варианты от полноточного F16 до низкобитных Q2 и IQ2-квантизаций. Версии с более высокой точностью обычно обеспечивают лучшее качество, но требуют больше оперативной памяти; наиболее сбалансированным вариантом README называет Q4_K_M, а Q5 и Q6 — высококачественными. Низкобитные варианты экономичнее по памяти, но могут заметно уступать в качестве. Для запуска рекомендуется использовать совместимое ПО, например LM Studio или llama.cpp, с указанным шаблоном чата. Архитектура, максимальный контекст, точные характеристики обучения и результаты тестирования в README не указаны. Модель распространяется по лицензии Apache-2.0.

MuXodious/Wayfarer-2-12B-absolute-heresy — дообученная модель на архитектуре Mistral, созданная с помощью инструмента Heretic на основе LatitudeGames/Wayfarer-2-12B. Веса представлены в формате safetensors; модель насчитывает 12,1 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для генерации подробных текстовых приключений и ролевых историй с конфликтами, риском неудачи и гибелью персонажей. Основной сценарий — интерактивная проза от второго лица в настоящем времени; карточка базовой модели описывает повествование с реальными последствиями выбора. В README указано, что модель прошла «абляцию» отказов: в тесте доля отказов снизилась с 76 до 5 из 100, при KL-дивергенции 0,0193. Автор отмечает, что польза этой процедуры неясна, а индекс «ереси» является условной классификацией и ничего не говорит о качестве модели. Модель обучалась преимущественно на повествовании от второго лица в настоящем времени, поэтому другие стили и перспективы могут давать менее удачные результаты. Лицензия — Apache-2.0.

GarchenArchive разработала эту модель для распознавания тибетской речи учителя Гarchен Ринпоче. Это дообученная версия Whisper large-v3-turbo от OpenAI: модель типа encoder-decoder с 32 слоями кодировщика и 4 слоями декодировщика, мультиязычным BPE-словарём на 51 866 токенов. Репозиторий содержит объединённые веса в формате safetensors с точностью fp16; для распознавания используется Transformers. Модель принимает монофонический звук 16 кГц и выдаёт текст на тибетском языке. Модель рассчитана на транскрибирование речи Ринпоче в характерном для обучающих данных регистре. В тестировании на 1 394 высказываниях CER составила 0,2022 при beam search ширины 5; предварительная нарезка аудио на фрагменты до 9 секунд дала CER 0,1957. Лицензия в предоставленных данных не указана.

Это дообученная модель OpenAI Whisper Small, созданная kalilouisangare для распознавания речи на бамбара. Она преобразует аудио в текст и предназначена для транскрибации записей на бамбара; модель обучена на 24 738 аудиопримерах из набора RobotsMali/bam-asr-early. В метаданных указаны архитектура Whisper, 153,1 млн параметров и формат safetensors; README сообщает о контекстном окне генерации 128 токенов. На полном тестовом наборе из 7 069 примеров автор приводит WER 43,70% и CER 21,38%, поэтому ошибки распознавания могут быть существенными и результат может требовать проверки и исправления. Лицензия — CC BY 4.0.

whisper-small-santali-sanlish-frozen — дообученная модель семейства Whisper, основанная на openai/whisper-small. Она предназначена для автоматического распознавания речи и преобразования аудио в текст; карточка указывает язык Santali. Модель реализована на архитектуре WhisperForConditionalGeneration и распространяется в формате safetensors через Transformers. На оценочном наборе указаны Loss 0,8507, WER 45,2756 и CER 13,0534. Эти результаты относятся к набору, описанному в карточке, но сами данные и методика оценки не раскрыты. Модель распространяется по лицензии Apache-2.0.

FloydianSound/WLOP_Diffusion_v1-5 — дообученная модель Stable Diffusion v1.5 для генерации изображений по текстовому описанию в художественном стиле WLOP. Она обучалась 61 320 шагов, или 7 эпох, на 876 изображениях художника; при обучении использовалась группировка изображений по соотношению сторон с целевым разрешением 768 пикселей. Модель предназначена для создания иллюстраций по текстовым запросам, связанных с художественной эстетикой WLOP. Репозиторий содержит веса в форматах Diffusers и PyTorch; метаданные указывают английский язык и лицензию CreativeML OpenRAIL-M.

Woolitize — стильная модель для генерации изображений по тексту, созданная Jak_TheAI_Artist как обученный набор для Stable Diffusion 1.5. Для активации характерного стиля автор рекомендует включать в запрос слово «woolitize». В версии 1.0 модель обучалась на 117 изображениях в течение 8000 шагов; версия 1.2 использует изображения 768×768 и, по описанию автора, улучшает детализацию и фон. Модель предназначена для создания изображений в стиле Woolitize по текстовым запросам. Репозиторий представлен в форматах Diffusers и PyTorch; указана лицензия CreativeML OpenRAIL-M. Карточка упоминает также вариант для Stable Diffusion 2.0, но отмечает его несовместимость с Automatic1111 на момент публикации.

Sami92/XLM-R-Large-Polarization-Classifier — модель классификации текста на основе XLM-RoBERTa Large, дообученная для определения поляризующих и неполяризующих утверждений. Она предназначена для анализа предложений, в частности для выявления поляризующих заявлений в текстах из Telegram и близких сценариях мониторинга публичных обсуждений. Таксономия поляризации следует работе Ashraf et al. 2024. Модель содержит 658,7 млн параметров, принимает текст и имеет контекст до 514 токенов. В обучении использовались около 5 000 постов из 200 Telegram-каналов, предварительно размеченных с помощью GPT-4o, а затем обучающие данные Ashraf et al. 2024. Карточка указывает немецкий язык. На тестовой выборке Ashraf et al. 2024 F1 составил 0,89 для неполяризующих и 0,67 для поляризующих утверждений; поэтому результаты для второго класса следует трактовать осторожно. Модель распространяется по лицензии CC BY 4.0.

X-MythoChronos-13B — текстовая генеративная модель на архитектуре Llama, созданная Undi95 как слияние Xwin-LM/Xwin-LM-13B-V0.2, elinas/chronos-13b-v2 и других моделей и LoRA-адаптеров. Репозиторий содержит веса FP16; размер модели — 12,9 млрд параметров, контекст — до 4096 токенов. Для запросов используется шаблон Alpaca. Модель предназначена прежде всего для ролевого общения и генерации ответов на инструкции. В карточке указана лицензия CC BY-NC 4.0, которая запрещает коммерческое использование. Метаданные помечают модель как NSFW; качество и безопасность ответов могут зависеть от запроса и сценария применения.

X-Reasoner — мультимодальная модель для рассуждений по тексту и изображениям, разработанная авторами исследования X-Reasoner: Towards Generalizable Reasoning Across Modalities and Domains. Она основана на Qwen/Qwen2.5-VL-7B-Instruct и дообучена в два этапа: на первом этапе использовалась контролируемая настройка с дистиллированными длинными цепочками рассуждений, затем — обучение с подкреплением на проверяемых наградах. Модель предназначена для диалогового анализа визуальных данных и решения задач, требующих обобщаемых рассуждений, в том числе вне домена обучения. Архитектура — плотная Qwen2.5-VL для генерации текста с учётом изображений; размер — 7,1 млрд параметров, контекст — до 128 000 токенов. Карточка сообщает об улучшении результатов на общих и медицинских тестах, однако подробности и количественные оценки приведены в статье. README также указывает на возможное продолжение генерации цепочки рассуждений без остановки; в таком случае предлагается добавить специальный стоп-токен и повторить генерацию. Модель распространяется по лицензии Apache-2.0.

keremberke/yolov8m-csgo-player-detection — модель компьютерного зрения на базе YOLOv8m, опубликованная пользователем keremberke. Она предназначена для обнаружения игроков команд CT и T в изображениях или видеокадрах Counter-Strike: Global Offensive, отдельно распознавая тела игроков и головы с метками ct, t, cthead и thead. Модель использует библиотеку Ultralytics и распространяется в формате PyTorch. Модель подходит для анализа игровых кадров, поиска игроков и их голов, а также для построения разметки объектов в материалах по CS:GO. В карточке указан датасет keremberke/csgo-object-detection. Данных о лицензии и количественных характеристиках модели карточка не содержит.