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

YUNSUN7/xg-lyrics-generator — генеративная текстовая модель, дообученная разработчиком на базе GPT-2 для создания текстов песен. Она использует архитектуру GPT-2 и библиотеку Transformers, принимает текстовый контекст и продолжает его сгенерированными словами; доступная длина контекста — 1024 токена. Репозиторий содержит веса в формате safetensors. Карточка не описывает обучающие данные, языки генерации, качество или конкретные режимы использования, поэтому результаты могут быть непредсказуемыми и требовать проверки и редактирования. Модель распространяется по лицензии MIT.

AEZAKMI-v2 — диалоговая донастройка Yi-34B-200K, опубликованная adamo1139. Модель построена на плотной архитектуре LlamaForCausalLM с 33,9 млрд параметров и контекстом до 200 000 токенов; в репозитории представлены веса safetensors. Обучение проводилось на наборе данных AEZAKMI v2 с использованием QLoRA и формата диалогов ChatML. Модель предназначена для свободного общения и ролевых диалогов, с акцентом на естественный язык и меньшую склонность к типичным формулировкам ассистентов, обученных с помощью RLHF. Автор отмечает, что она не рассчитана на сильные результаты в математике, загадках и сложных рассуждениях. Для генерации автор рекомендует штраф за повторение около 1,05; в ролевых сценариях возможны повторы и трудности с длинными системными сообщениями. Лицензия — Apache-2.0. Карточка указывает контекст базовой модели в 200 000 токенов; при этом автор сообщал, что конкретная квантованная сборка EXL2 с 4,65 bpw и 8-битным кешем работала с контекстом до 24 000 токенов.

keremberke/yolov8n-scene-classification — модель классификации изображений на базе YOLOv8, доступная в формате PyTorch и предназначенная для распознавания сцен помещений. Она обучена на наборе данных keremberke/indoor-scene-classification и использует библиотеку Ultralytics; в карточке перечислены поддерживаемые метки классов, но их названия здесь не приведены. Модель подходит для автоматической сортировки фотографий помещений по типам сцен и для добавления классификации интерьеров в компьютерное зрение. README указывает способ использования через пакет ultralyticsplus. Лицензия и подробности о точности или ограничениях применения в предоставленных данных отсутствуют.

keremberke/yolov8s-nlf-head-detection — модель компьютерного зрения на базе YOLOv8s, опубликованная пользователем keremberke и предназначенная для обнаружения шлемов на изображениях. Она классифицирует найденные объекты по меткам Helmet, Helmet-Blurred, Helmet-Difficult, Helmet-Partial и Helmet-Sideline. Модель создана с использованием библиотеки Ultralytics и связана с набором данных keremberke/nfl-object-detection. Модель подходит для поиска и локализации шлемов на спортивных изображениях, в том числе размытых, частично видимых и находящихся у боковой линии. В карточке указан формат PyTorch. Сведения о размере, контекстной длине и языковой поддержке к этой модели неприменимы либо не приведены. Лицензия в предоставленных данных не указана.

zukki_style — модель генерации изображений на основе Stable Diffusion 1.5, дообученная автором на скриншотах из стоп-моушн-фильма «Ma vie de courgette». Для вызова характерного стиля в запрос нужно добавить токен zukki_style. Модель обучена методом DreamBooth на 32 изображениях; текстовый энкодер участвовал в обучении частично. Модель предназначена для создания изображений персонажей и стилизации изображений, особенно в режиме img2img. Автор отмечает, что генерация сцен и пейзажей получается менее удачно, а режим img2img даёт более интересные результаты. Репозиторий содержит веса в форматах Diffusers, PyTorch и SafeTensors. Лицензия — CreativeML OpenRAIL-M.

10.7B Loyal Mistral Maid v0.2-A — экспериментальная объединённая языковая модель, созданная автором xxx777xxxASD на основе Mistral Instruct SelfMerge и Loyal Toppy Maid. В README описана попытка объединить ролевые возможности Undi95/Toppy-M-7B и SanjiWatsuki/Loyal-Macaroni-Maid-7B, сохранив контекст и возможности mistralai/Mistral-7B-Instruct-v0.2. В метаданных указаны архитектура MistralForCausalLM, 10,6 млрд параметров и контекст 32 768 токенов. Модель предназначена для генерации текста в диалогах и ролевых сценариях на английском языке. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. README также упоминает вариант ExL2 с квантованием 6.0 bpw; это не подтверждает, что сам репозиторий содержит именно этот формат.

ABot-World-0-5B-LF — модель генерации интерактивного видео, разработанная командой ACVLab. Она дообучена на Wan-AI/Wan2.2-TI2V-5B и предназначена для создания непрерывных видеосцен, которые меняются в ответ на действия пользователя. Модель принимает исходное изображение и действия, а также поддерживает сценарий генерации по текстовому описанию или изображению через базовую архитектуру Wan2.2-TI2V-5B. Разработчики сообщают о генерации с разрешением 720p и частотой 16 кадров в секунду на одной видеокарте NVIDIA RTX 5090, задержке около 1,2 секунды и использовании 19 ГБ видеопамяти. Обучение LongForcing на наборе ABot-World-Explorer-500h предназначено для продолжительных открытых сценариев без фиксированной длины ролика и смены промпта. В README также описан экспериментальный демонстрационный запуск длительностью 24 часа; эти показатели относятся к указанной конфигурации и заявлены разработчиками. Модель распространяется в формате safetensors под лицензией Apache-2.0. Для локального запуска приведена проверенная конфигурация Ubuntu 22.04, CUDA 13.3 и NVIDIA RTX 5090; фактическая производительность и требования могут зависеть от оборудования и настроек. Карточка описывает экспериментальную модель и демонстрационный сценарий, поэтому заявленные скорость и непрерывность не следует считать гарантией для произвольных систем и задач.

ACE-Step 1.5 XL — это набор квантованных GGUF-моделей DiT (Diffusion Transformer), созданных scragnog методом task arithmetic на основе официальных чекпойнтов ACE-Step v1.5 XL от команды ACE-Step: Base, SFT и Turbo. В набор входят три варианта слияния: SFT и Turbo с коэффициентами 0,3 и 0,7, а также Base и Turbo с коэффициентом 0,5. Модели предназначены для генерации музыки по текстовому описанию и могут использоваться в C++-движках inference, включая acestep.cpp и HOT-Step-CPP. Все варианты используют архитектуру AceStepConditionGenerationModel примерно на 4,7 млрд параметров: 32 слоя с чередованием скользящего и полного внимания, 32 attention heads, 8 KV heads с GQA, hidden size 2560, intermediate size 9728, encoder hidden size 2048 и контекст длиной до 32768 токенов. Это DiT-компоненты, поэтому для полноценной генерации дополнительно требуются языковая модель, текстовый энкодер и VAE. Поддерживаются квантования BF16, Q8_0, Q6_K, Q5_K_M и Q4_K_M объёмом примерно от 2,85 до 9,52 ГБ. Сильная сторона моделей — возможность выбирать баланс между музыкальной структурой и следованием тексту, скоростью сходимости, качеством и творческим диапазоном через разные варианты слияния и уровни квантования. Ограничения включают необходимость companion-моделей, использование базового режима планирования с рекомендуемыми 60–100 шагами inference и потенциальные потери качества при сильной квантизации. В README указана лицензия Apache-2.0; также отмечено, что модели наследуют лицензионные условия исходных чекпойнтов ACE-Step v1.5.

aesthetics_v2 — модель классификации изображений, дообученная robertsw на основе facebook/dinov2-large. Она использует архитектуру DINOv2 и содержит 402,7 млн параметров; веса опубликованы в формате safetensors. Модель предназначена для классификации изображений. На указанном в карточке наборе оценки она получила accuracy 0,5581 и loss 1,6501. Названия классов и подробные сценарии применения в карточке не описаны, поэтому результаты не позволяют судить о качестве на конкретных задачах. Модель принимает изображения и выдаёт метки классов. Распространяется по лицензии Apache-2.0.

Aʟʙᴇʀᴛɪ — многоязычная языковая модель для анализа поэзии, разработанная Javier de la Rosa и Álvaro Pérez Pozo. Это модель BERT с архитектурой BertForMaskedLM, дообученная на основе bert-base-multilingual-cased и обученная с задачей masked language modeling на корпусе PULPO. Она предназначена для заполнения пропусков в тексте и как основа для последующей тонкой настройки под конкретные задачи анализа поэзии. Модель содержит 205,1 млн параметров и обрабатывает последовательности длиной до 512 токенов. Поддерживает испанский, французский, итальянский, чешский, португальский, английский, арабский, финский, немецкий, русский, венгерский и китайский языки. Доступны веса в форматах PyTorch, Flax и safetensors. Лицензия — CC-BY 4.0.

Alex's-One-Line-Art — модель text-to-image в формате Diffusers/PyTorch, обученная Alexwww методом DreamBooth на коллекции работ @alexwoodesign. Она предназначена для генерации изображений по текстовым запросам в стиле рисунка одной непрерывной линией; автор рекомендует начинать запрос с фразы «One line art drawing of...». Модель основана на Stable Diffusion и опубликована под лицензией CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.

Модель разработала и опубликовала Elena Álvarez Mellado. Это дообученная версия BETO на корпусе COALAS для выявления в испанских новостных текстах неассимилированных заимствований, преимущественно из английского языка. Модель размечает заимствования метками ENG и OTHER, используя BIO-разметку для словосочетаний из нескольких токенов; архитектура — BERT для классификации токенов, размер — 137,1 млн параметров, контекст — до 512 токенов. Модель предназначена для анализа употребления англицизмов и других заимствований в испанской прессе. На тестовой выборке COALAS общий F1 составил 83,13; для английских заимствований — 84,59, а для заимствований из других языков — 18,18, поэтому выявление категории OTHER существенно менее надёжно. Обучение проводилось на корпусе испанской новостной письменной речи, включающем европейский вариант испанского. Лицензия — CC BY-SA 4.0.

arshiaafshani/arshStory — языковая модель на архитектуре Llama с 503,3 млн параметров, созданная для написания историй. Модель обучалась 4–5 часов на небольшой выборке, связанной с детскими историями, на GPU T4; автор сообщает значение training loss 2,9. Длина контекста составляет 1024 токена, модель работает с текстом и распространяется в формате safetensors. Модель предназначена для генерации историй по текстовому запросу. Автор характеризует её как экспериментальную основу: для самостоятельного применения, по его рекомендации, требуется дальнейшее предобучение на более крупных данных и последующее дообучение на разговорных наборах. Лицензия — MIT.

Average Normie v1 — разговорная текстовая модель для ролевых диалогов, созданная автором jeiku. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Модель предназначена для ролевых бесед и диалогов общего характера. Модель создана слиянием jeiku/Average_Normie_l3_v0_8B и ResplendentAI/Theory_of_Mind_Llama3; README также упоминает применение LoRA к итоговому слиянию. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Оценка качества и подробные ограничения в карточке не приведены.

Beat This! — экспорт модели JKU для отслеживания долей и сильных долей в музыке в формате ONNX. Репозиторий musetric предназначен для инференса через onnxruntime-web, в том числе с WebGPU; модель принимает лог-мел-спектрограмму и выдаёт логиты долей и сильных долей. Для обработки аудио хост должен сам вычислить признаки: моно 22 050 Гц, STFT и лог-мел-проекцию по приложенной матрице фильтров. На один вызов подаётся окно из 1500 кадров, соответствующее примерно 30 секундам; длинные записи обрабатываются перекрывающимися окнами, а короткие дополняются до нужной длины. Темп и размер такта можно получить на стороне приложения по предсказанным позициям долей. Экспорт заявлен как не вносящий алгоритмических приближений и проверен на соответствие исходной модели в нескольких средах исполнения. Он рассчитан на инференс, а не на обучение. Результаты чувствительны к точному извлечению признаков и разбиению длинных записей на окна; README отдельно отмечает необходимость проверять работу на том аудиоматериале, который будет использоваться в приложении. Лицензия репозитория — MIT.

bert-lyrics-classifier — модель Devan Asokan для классификации отдельных куплетов песен по пригодности для детей. Она разработана в рамках выпускного проекта Asia Pacific University и представляет собой дообученную BERT-модель для бинарной классификации последовательностей на базе google-bert/bert-base-uncased. Модель принимает текст куплета на английском языке и выдаёт метку SAFE или UNSAFE. По метаданным, модель содержит 136,7 млн параметров, поддерживает контекст до 512 токенов и распространяется в формате safetensors; лицензия — MIT. Модель предназначена для анализа текстов песен на уровне отдельных куплетов, например, чтобы выделять потенциально неподходящие фрагменты для последующей проверки родителями или модераторами. В README указана точность 0,8925 на отложенной выборке из того же процесса сбора и разметки, что использовался при обучении. К ограничениям относятся шум в метках, созданных с помощью LLM, субъективность понятия «пригодность», возможное снижение надёжности на длинных и неоднозначных куплетах и текстах с переключением языков. Возможны ложноотрицательные результаты, поэтому предсказания следует использовать как сигнал для проверки, а не как единственное основание для решения.

BigLust_v17 — модель-адаптер LoRA для генерации изображений по текстовому описанию, опубликованная пользователем letom06200. В карточке она классифицирована как text-to-image и предназначена для использования в экосистеме Diffusers. README также содержит пример виджета с текстовым вводом и изображением-результатом. Сведения об архитектуре базовой модели, размере адаптера, поддерживаемых языках, контекстном окне, точных сценариях применения и качестве генерации отсутствуют. Базовая модель не указана, поэтому совместимость и требования к запуску определить нельзя. Лицензия в карточке не указана; условия использования следует уточнять отдельно у автора или в файлах репозитория.

synthet разработала YOLO11n для обнаружения птиц и локализации их рамками на изображениях. Репозиторий содержит две версии модели одного класса bird: v0 обучена на размеченных изображениях CUB-200-2011, а рекомендуемая v1 дообучена на v0 с использованием данных CUB и псевдоразметки фотографий дикой природы. Модель предназначена для выделения птиц на кадрах, включая мелких и удалённых птиц, а также для отбора изображений и подсчёта обнаружений. Для v1 README приводит результаты оценки на отдельной библиотеке фотографий одного автора: полнота обнаружения птиц, пропущенных v0, составила 81%, а ложные срабатывания на безптичьих кадрах — 7%. Модель выдаёт рамки только для общего класса «птица» и не определяет виды. Очень мелкие, силуэтные и частично закрытые птицы могут обнаруживаться хуже; результаты следует проверять на целевых данных, особенно для плотных скоплений. Модель распространяется по лицензии MIT; для использования CUB-200-2011 следует отдельно проверить условия датасета.

Broken-Tutu-24B-Unslop-v2.0 — дообученная ReadyArt разговорная языковая модель для ролевых диалогов и генерации художественного текста. Она основана на Mistral-Small-24B-Instruct-2501, имеет плотную архитектуру Mistral с 23,4 млрд параметров и принимает текстовые запросы. В карточке заявлены многоходовые сценарии, сохранение характера персонажей, следование сложным инструкциям и защита от имитации пользователя. Указанное в README обучение выполнялось методом QLoRA; репозиторий также перечисляет квантованные варианты, включая GGUF, EXL2, EXL3 и AWQ. Метаданные указывают контекст 32 768 токенов и английский язык. Модель предназначена для ролевых игр, в том числе эротических и мрачных сценариев, и рассчитана на взрослую аудиторию. Авторы заявляют улучшение связности повествования и снижение повторов относительно версии 1.1, однако это качественные утверждения из карточки, а не приведённые результаты независимой оценки. Лицензия — Apache-2.0; README устанавливает возрастное ограничение 18+ и возлагает ответственность за генерируемый контент на пользователя.

ChatWaifu 22B v2.0 preview — диалоговая модель, разработанная spow12 и предназначенная для общения в стиле персонажей визуальных новелл. Она основана на Mistral Small Instruct 2409 и объединяет веса базовой модели с вариантом SFT методом slerp через mergekit; архитектура — плотная причинная языковая модель Mistral на 22 млрд параметров. Модель генерирует текст и поддерживает чат на английском и японском языках, с контекстом до 32 768 токенов по метаданным. Модель подходит для ролевых диалогов с заданными персонами, в том числе для общения с собственными персонажами по текстовому описанию. Автор заявляет о снижении повторов в длинных многоходовых беседах и сохранении информации в длинном контексте; количественные гарантии этих свойств не приведены. Карточка также указывает возможность генерации NSFW-контента. Репозиторий содержит веса в формате safetensors. Лицензия в метаданных — CC BY-NC 4.0, а автор ограничивает использование некоммерческими и исследовательскими целями.

Clef-0.2B — авторская модель haster для генерации символической музыки. Это decoder-only Transformer семейства Llama с 201,4 млн параметров, обученный с нуля на партитурах и дообученный для генерации, продолжения и заполнения пропусков в музыкальных фрагментах. Модель принимает заголовок с жанром, составом ансамбля, темпом, тональностью, размером и инструментами, а затем создаёт многодорожечную партитуру в представлении bar-major REMI+. Результат можно преобразовать в MusicXML или MIDI. Модель поддерживает разные жанры, ансамбли, инструменты General MIDI и ударную партию, сохраняя динамику и скорость нот. Контекст составляет 4096 токенов, примерно 35 тактов. Веса доступны в формате safetensors в раскладке Llama и совместимы с Transformers и vLLM, однако для токенизации и преобразования партитур требуется специальный токенизатор и проектный конвейер; AutoTokenizer не подходит. В README приведены успешные примеры продолжения и заполнения фрагментов, а также автоматические метрики качества. Ограничения включают повышенную относительно эталонных партитур диссонантность и возможный сдвиг настроения при склейке длинных фрагментов. Модель распространяется по лицензии Apache-2.0.

Conditional DETR с ResNet-50, дообученная модель diegokauer для обнаружения объектов на изображениях. Она предсказывает классы объектов и их ограничивающие рамки. В карточке указано, что обучение проводилось на наборе данных с названием «None», поэтому определить предметную специализацию модели по доступным сведениям нельзя. Модель основана на microsoft/conditional-detr-resnet-50 и распространяется в формате safetensors по лицензии Apache-2.0. Метаданные указывают 6,3 млн параметров. README не содержит подробностей о предназначении, обучающих данных и оценке качества, поэтому надёжность распознавания конкретных категорий объектов не установлена.

Apple публикует Core ML-конверсию DETR-ResNet-50 для семантической сегментации изображений. В основе — DETR, трансформер с энкодером и декодером и свёрточным backbone ResNet-50; модель обучена на COCO 2017. В README указано 43 млн параметров. Репозиторий содержит варианты Core ML с точностью Float32 и Float16, а также квантованные варианты Float16. Модель принимает изображение и выдаёт семантическую маску, назначая класс пикселям. В оценке на 512 изображениях COCO при заданном изменении размера и центральной обрезке варианты показали IoU 0,393 и точность пикселей 0,746; результаты относятся к этой конкретной выборке и процедуре оценки. README приводит пример интеграции в Swift-приложения. Лицензия — Apache-2.0. Модель ориентирована на классы и данные COCO, поэтому качество для других наборов классов и изображений может отличаться; опубликованные метрики указывают на ограничения точности сегментации.

Модель prince4332/CosyVoice2-0.5B-Akan-Bible — дообученная версия CosyVoice2-0.5B для синтеза речи на языке акан, вариант асанте-тви. Её подготовил автор репозитория prince4332 на основе модели FunAudioLLM; обучение проводилось на наборе ghananlpcommunity/asante-twi-bible-speech-text из 34,2 тыс. высказываний 10 дикторов, охватывающем библейскую тематику. Дообучены модули LLM и Flow, чтобы освоить отображение фонем акан на речевые токены и улучшить просодию; вокодер, речевой токенизатор и энкодер диктора оставлены без изменений. Базовая модель поддерживает потоковую генерацию и клонирование голоса, однако README не уточняет, насколько эти функции сохранены или проверены в этой версии. Модель предназначена для преобразования текста на асанте-тви в речь, в первую очередь для материалов библейской тематики. В репозитории указаны форматы ONNX и safetensors. Лицензия — Apache-2.0.

Карточка модели rorge120ac/CyberRealisticPony на Hugging Face совпадает с карточкой cyberdelia/CyberRealisticPony, поэтому описание составлено по ней. CyberRealistic Pony — модель генерации изображений по текстовому описанию, созданная на основе Pony Diffusion с элементами CyberRealistic. Она предназначена для создания фотореалистичных изображений пони и персонажей, а также иллюстраций и концепт-арта. Модель распространяется в формате safetensors и включает встроенный VAE. Для генерации рекомендованы 30 и более шагов сэмплирования и разрешения 896×1152 или 832×1216. Модель специализируется на изображениях пони и может хуже справляться с абстрактными запросами и сюжетами, не связанными с пони; иногда освещение и текстуры получаются чрезмерно гладкими. Возможна генерация чувствительного контента. Лицензия — CreativeML Open RAIL-M.

Модель alexandrainst/da-hatespeech-detection-base — датский BERT-классификатор от Alexandra Institute для определения оскорбительного или неоскорбительного содержания в тексте. Это модель BertForSequenceClassification на 137,8 млн параметров, дообученная на размеченных данных из социальных сетей; базовая модель — предварительно обученный Danish BERT от BotXO. Модель предназначена для классификации датских публикаций и сообщений, например для выявления оскорбительной речи при модерации контента. Она принимает текст и возвращает метку классификации. Длина контекста составляет 512 токенов; доступны веса PyTorch, Safetensors и TensorFlow. Обучающие данные вручную размечались совместно с Danmarks Radio, но не опубликованы, поэтому их состав и воспроизводимость ограничены. Модель выпущена по лицензии Apache-2.0.

DarkBlueAphrodite-NSFW-HE — модель генерации изображений от Stable Diffusion API, опубликованная через ModelsLab. Она предназначена для создания изображений по текстовому запросу; в примере карточки показан фотореалистичный портрет в киберпанк-стиле. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors и предназначен для запуска через API ModelsLab. Метаданные указывают на использование StableDiffusionXLPipeline. Карточка демонстрирует настройку размера изображения, числа шагов генерации, guidance scale и отрицательного запроса. Модель помечена как NSFW и не предназначена для всех аудиторий; пример API позволяет отключать safety checker. Лицензия — CreativeML OpenRAIL-M. README не описывает конкретные ограничения качества или языков запросов.

Dark-Miqu-70B — созданная jukofyork модель для художественного письма в жанре тёмного и grimdark-фэнтези. Это плотная причинная языковая модель семейства Llama с 68,7 млрд параметров, собранная с помощью Mergekit из miqu-1-70b-sf, Midnight-Rose-70B-v2.0.3, Euryale-1.3-L2-70B и WinterGoddess-1.4x-70B-L2. Модель рассчитана на генерацию длинных творческих текстов; заявлена длина контекста 32 764 токена. Предпочтителен формат запросов Vicuna, также поддерживаются Mistral и Alpaca. Модель ориентирована на мрачные, пессимистичные сюжеты и длинные ответы; карточка приводит примеры grimdark-фэнтези. Основной язык, обозначенный для базовой модели, — английский. Репозиторий содержит веса Safetensors, библиотека — Transformers. Лицензия указана как other, поэтому конкретные условия использования следует проверять в карточке модели и у исходных моделей.

Dart v2 base — базовая авторегрессионная языковая модель архитектуры Mistral, разработанная Plat для генерации тегов Danbooru. В карточке указано 114 млн параметров для варианта v2-base, тогда как метаданные репозитория указывают 90,8 млн параметров; поэтому точный размер этого чекпойнта неоднозначен. Длина контекста составляет 1024 токена. Модель обучена на наборе isek-ai/danbooru-tags-2024 с тегами за период с 2005 года по март 2024 года. Модель предназначена для генерации последовательностей тегов Danbooru с настройками категории рейтинга, соотношения сторон и примерного количества тегов. Она работает с текстовыми тегами и не принимает изображения напрямую. Модель не проходила оценку качества; обучение и библиотека dartrs описаны как экспериментальные, а качество выдачи может варьироваться. Лицензия — Apache-2.0.

b09501048/detr2 — дообученная модель обнаружения объектов на базе b09501048/detr. Она использует архитектуру DETR и предназначена для поиска людей, лиц, частей тела и различных предметов на изображениях. В оценке модели приведены результаты для классов «человек», «лицо», «голова», «руки», «ухо», а также средств защиты и других предметов; качество заметно различается между классами, а общая mAP составляет 0,1051. Модель принимает изображения и возвращает найденные объекты с ограничивающими рамками и метками классов. Размер — 6,3 млн параметров; файлы представлены в формате safetensors и рассчитаны на библиотеку Transformers. Лицензия — Apache-2.0. Датасет дообучения не назван, поэтому результаты оценки не позволяют определить, насколько модель подходит для иных изображений и условий съёмки.