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

prose-rewriter-4b-v2.1 — дообученная модель на базе Qwen/Qwen3-4B-Base, опубликованная автором репозитория chartreuse-verte. Она переписывает отдельные абзацы художественной прозы на английском языке, стремясь сделать стиль естественнее и убрать характерные для генерации языковых моделей штампы, сохраняя исходный смысл. Модель плотная, с архитектурой Qwen3ForCausalLM, содержит 3,7 млрд параметров и поддерживает контекст до 32 768 токенов. Доступны веса safetensors и варианты GGUF Q8_0 и Q4_K_M. Модель рассчитана на один абзац за вызов и не предназначена для диалога с инструкциями. Она активнее редактирует текст, чем предыдущая версия, но может добавлять неподтверждённые исходником детали, менять имена или местоимения и заметно сокращать текст. Лучше подходит для художественной прозы; короткие фрагменты менее 15 слов могут обрабатываться ненадёжно. Лицензия — AGPL-3.0.

Qwen3.5-Queen-27B-GGUF — это квантизированная версия модели aifeifei798/Qwen3.5-Queen-27B, подготовленная mradermacher в формате GGUF. Модель ориентирована прежде всего на ролевые сценарии, включая использование в SillyTavern, а также на диалоговые задачи и работу с образами персонажей. В метаданных указана поддержка английского языка. Модель содержит 27 миллиардов параметров и относится к мультимодальным моделям image-text-to-text: для обработки изображений доступны отдельные компоненты mmproj в форматах Q8_0 и F16. README не содержит сведений о размере контекста, конкретной архитектуре базовой модели, поддерживаемых языках помимо английского или результатах бенчмарков. Набор включает варианты квантования от Q2_K до Q8_0 и IQ4_XS с размером файлов примерно от 10,8 до 28,7 ГБ. В README варианты Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, а Q6_K — как обеспечивающий очень хорошее качество; при этом более сильное квантование обычно снижает требования к памяти, но может ухудшать качество. Для работы требуются совместимое ПО, поддерживающее GGUF, и, при использовании изображений, соответствующий мультимодальный компонент. Модель распространяется по лицензии Apache-2.0.

0bserverx/Qwen3.8-27B-Heretic-Abliterated-Uncensored-GGUF — это модифицированная GGUF-версия Qwen3.8-27B, основанная на ARA-abliteration от Tim Rohrbaugh и дополнительно обработанная двумя полными ARA-проходами. Модель предназначена для генерации текста, включая исследования, творческое письмо, ролевые сценарии и генерацию с ослабленными ограничениями безопасности. Она рассчитана на взрослую аудиторию; использование должно соответствовать законодательству и требованиям безопасности. Модель имеет гибридную архитектуру Qwen3.8: 27 млрд параметров, 64 слоя, включая 16 стандартных attention-слоёв и 48 слоёв Gated DeltaNet linear attention. Используются GQA с 24 attention heads и 4 KV heads, размер скрытого состояния — 5120, словарь — 248 320 токенов, заявленная длина контекста — 262 144 токена. Формат GGUF предназначен для запуска через llama.cpp. Языки и мультимодальные возможности в README явно не указаны; по описанию это текстовая модель. Главное преимущество RVN — существенно сниженная склонность к отказам на вредоносные запросы при заявленном низком изменении поведения относительно исходной модели: показатель KL после доработки указан примерно как 0,0085, а в независимой проверке отказы снизились с 3 до 0–1 из 100 запросов. Ограничение состоит в намеренном ослаблении защитных механизмов: модель может выдавать небезопасный или вредоносный контент и не должна использоваться без дополнительной фильтрации и контроля. Лицензия — Apache-2.0, унаследованная от Qwen3.8-27B.

BrandonHowe/Qwen3-8b-urban-qwen-20260920-full-CPT-merged-epoch-1 — самостоятельная объединённая модель на основе Qwen3-8B-Base, дообученная разработчиком BrandonHowe на текстовом корпусе urban_12738_cleaned. Это плотная авторегрессионная модель класса Qwen3ForCausalLM с 7,6 млрд параметров, рассчитанная на генерацию текста; поддерживает контекст до 32 768 токенов. Модель сохранена в BF16 в формате safetensors и загружается без отдельного адаптера. Дообучение продолжалось один эпоху на 10 072 уникальных документах с повторными предъявлениями части данных; для проверки использовались 200 отдельных документов. Модель подходит для генерации текста в тематике корпуса, но README не подтверждает, что обучение улучшило способность к состраданию. Метаданные отмечают возможности чата и интерфейс вызова инструментов. Языки и лицензия в предоставленных данных не указаны.

sasha/regardv3 — классификатор текста на базе BERT, разработанный в рамках проекта Towards Controllable Biases in Language Generation. Модель обучена распознавать regard — полярность высказывания по отношению к демографической группе и содержащиеся в нём социальные представления; это отличается от обычного анализа тональности, который оценивает общую эмоциональную окраску текста. Модель подходит для классификации текстов при аудите языковых генераций, анализе предвзятости и изучении социальных представлений в корпусах. Это одиночный классификатор без ансамбля, обученный на 1,7 тыс. примеров предвзятого языка. Архитектура — BERT для классификации последовательностей, размер — 136,7 млн параметров, контекст — до 512 токенов; опубликованные веса представлены в формате PyTorch. Карточка указывает лицензию CC BY 4.0. Данные обучения невелики и сосредоточены на предвзятом языке, поэтому качество на иных темах, группах и распределениях данных может быть ограничено; независимые показатели качества в карточке не приведены.

Sapiens-Pose-0.3B — модель Meta для определения позы человека на изображениях. Это Vision Transformer с 336 млн параметров, 24 слоями, 16 головами и размером патча 16 × 16; модель поддерживает вывод в высоком разрешении 1024 × 1024, а в карточке для Pose указано изображение 1024 × 768. Модель оценивает 308 ключевых точек тела, лица, кистей и стоп на одном изображении. Семейство Sapiens предварительно обучено на 300 млн изображений людей; по заявлению разработчика, это помогает обобщать на реальные условия съёмки и работать при малом количестве размеченных данных или на синтетических данных. Модель принимает изображение и выдаёт координаты ключевых точек. В метаданных указан английский язык карточки, но задача не зависит от языка. Репозиторий распространяется в формате PyTorch под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

Sapiens-Pose-1B — модель Meta на архитектуре Vision Transformer для оценки позы человека по изображению. Она предсказывает 308 ключевых точек тела, лица, кистей и стоп, помогая анализировать положение человека на снимке. Модель содержит около 1,169 млрд параметров, использует патчи размером 16 × 16 и рассчитана на обработку изображений высокого разрешения. Семейство Sapiens предварительно обучено на 300 млн изображений людей; разработчик указывает на обобщение на реальные условия съёмки, в том числе при малом количестве размеченных данных. Модель принимает изображение и выдаёт координаты ключевых точек. Лицензия CC BY-NC 4.0 требует атрибуции и ограничивает коммерческое использование.

SegFormer B0 — модель семантической сегментации изображений, дообученная mattmdjaga на наборе ATR для выделения одежды и частей человека. Она принимает изображение и размечает его пиксели по классам, помогая определить, где на снимке находятся предметы одежды. Модель подходит для сегментации одежды на фотографиях, например для анализа образов или подготовки масок областей одежды. В основе лежит архитектура SegFormer B0; веса доступны в форматах PyTorch и Safetensors. Лицензия — MIT.

Карточка модели gj12138/segformer_b2_clothes на Hugging Face совпадает с карточкой mattmdjaga/segformer_b2_clothes, поэтому описание составлено по ней. SegFormer B2 от автора mattmdjaga — модель семантической сегментации изображений, дообученная на датасете ATR для распознавания элементов одежды и частей человека. Она размечает изображение по 18 классам: среди них фон, головной убор, волосы, очки, верхняя одежда, юбка, брюки, платье, обувь, лицо, конечности, сумка и шарф. Модель предназначена для выделения одежды и частей тела на изображениях людей. Её можно применять для анализа образа, виртуальных примерок и разметки изображений для последующей обработки. В README приведены метрики оценки: средняя точность 0,80 и средний IoU 0,69; качество различается между классами. Модель принимает изображения и выдаёт карту сегментации. Доступны веса в форматах PyTorch, safetensors и ONNX. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

SegFormer B2 от автора mattmdjaga — модель семантической сегментации изображений, дообученная на датасете ATR для распознавания элементов одежды и частей человека. Она размечает изображение по 18 классам: среди них фон, головной убор, волосы, очки, верхняя одежда, юбка, брюки, платье, обувь, лицо, конечности, сумка и шарф. Модель предназначена для выделения одежды и частей тела на изображениях людей. Её можно применять для анализа образа, виртуальных примерок и разметки изображений для последующей обработки. В README приведены метрики оценки: средняя точность 0,80 и средний IoU 0,69; качество различается между классами. Модель принимает изображения и выдаёт карту сегментации. Доступны веса в форматах PyTorch, safetensors и ONNX. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

Карточка модели rac123/segformer_b2_clothes на Hugging Face совпадает с карточкой mattmdjaga/segformer_b2_clothes, поэтому описание составлено по ней. SegFormer B2 от автора mattmdjaga — модель семантической сегментации изображений, дообученная на датасете ATR для распознавания элементов одежды и частей человека. Она размечает изображение по 18 классам: среди них фон, головной убор, волосы, очки, верхняя одежда, юбка, брюки, платье, обувь, лицо, конечности, сумка и шарф. Модель предназначена для выделения одежды и частей тела на изображениях людей. Её можно применять для анализа образа, виртуальных примерок и разметки изображений для последующей обработки. В README приведены метрики оценки: средняя точность 0,80 и средний IoU 0,69; качество различается между классами. Модель принимает изображения и выдаёт карту сегментации. Доступны веса в форматах PyTorch, safetensors и ONNX. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

Карточка модели silvior1959/segformer_b2_clothes на Hugging Face совпадает с карточкой mattmdjaga/segformer_b2_clothes, поэтому описание составлено по ней. SegFormer B2 от автора mattmdjaga — модель семантической сегментации изображений, дообученная на датасете ATR для распознавания элементов одежды и частей человека. Она размечает изображение по 18 классам: среди них фон, головной убор, волосы, очки, верхняя одежда, юбка, брюки, платье, обувь, лицо, конечности, сумка и шарф. Модель предназначена для выделения одежды и частей тела на изображениях людей. Её можно применять для анализа образа, виртуальных примерок и разметки изображений для последующей обработки. В README приведены метрики оценки: средняя точность 0,80 и средний IoU 0,69; качество различается между классами. Модель принимает изображения и выдаёт карту сегментации. Доступны веса в форматах PyTorch, safetensors и ONNX. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

SegFormer-B2-Human — модель семантической сегментации изображений на базе архитектуры SegFormer, дообученная автором репозитория sayeed99 на наборе sayeed99/human_parsing_fashion_dataset. Она предназначена для разметки людей и одежды на изображениях: модель выделяет фон, предметы гардероба, аксессуары и части тела, включая лицо, волосы, руки и ноги. В набор классов входят, например, рубашки, брюки, платья, обувь, сумки, очки и детали одежды. Модель использует SegformerForSemanticSegmentation и распространяется в форматах PyTorch и Safetensors для Transformers. README указывает базовую модель nvidia/mit-b2. Метаданные указывают лицензию other; конкретные условия этой лицензии в доступных сведениях не раскрыты.

SSLAM Pretrain — предварительно обученная модель извлечения аудиопризнаков, выпущенная в рамках работы SSLAM, представленной на ICLR 2025. Чекпойнт ViT Base обучен 15 эпох и использует архитектуру EAT в реализации для Hugging Face Transformers. Модель предназначена для получения представлений аудио, в том числе полифонических сцен с несколькими одновременно звучащими источниками. Её можно использовать как основу для аудио-LLM, обнаружения звуковых событий и общего анализа аудио. Обучение на аудиосмесях и функция потерь source retention ориентированы на сохранение информации об отдельных источниках в смешанных звуковых сценах. Весовые файлы представлены в формате safetensors. Лицензия — MIT. Число параметров и длина контекста в предоставленных данных не указаны.

Stable Video Diffusion 1.1 Image-to-Video — диффузионная модель Stability AI для создания коротких видеоклипов по одному изображению. Это латентная диффузионная модель, дообученная на базе Stable Video Diffusion Image-to-Video для 25 кадров. Она генерирует до 25 кадров с разрешением 1024×576; обучение с фиксированными настройками на 6 кадрах в секунду и Motion Bucket ID 127 повышает согласованность результата. Эти параметры можно менять, но качество за пределами фиксированных настроек может отличаться от SVD 1.0. Модель предназначена для экспериментов с генеративными моделями, создания художественных материалов, дизайна и творческих или образовательных инструментов. Она принимает изображение и выдаёт видео; управление текстовыми запросами не поддерживается. Видеоролики короткие — до четырёх секунд; возможны отсутствие движения или медленные панорамы, несовершенная фотореалистичность и ошибки в изображении лиц и людей. Модель не умеет создавать читаемый текст и не предназначена для достоверного изображения людей или событий. Лицензия указана как other; README рекомендует использовать модель только в исследовательских целях и соблюдать Acceptable Use Policy Stability AI.

Это дообученная модель mDeBERTa-v3-base для выявления позиции автора комментария по отношению к заданной политической стороне. Она сравнивает текст комментария с гипотезами о согласии, несогласии или отсутствии позиции и выбирает класс с наибольшей оценкой entailment. Модель предназначена прежде всего для итальянских комментариев Instagram к публикациям итальянских политиков, в частности по темам общественной безопасности и проблем юга Италии. Модель основана на MoritzLaurer/mDeBERTa-v3-base-xnli-multilingual-nli-2mil7 и содержит около 306 млн параметров; максимальный контекст — 512 токенов. Обучение проведено на 400 вручную размеченных примерах, сформировавших 1050 пар «посылка—гипотеза». В тесте на 100 примерах указаны accuracy 0,70 и Macro-F1 0,66. Лицензия — MIT. Результаты относятся к ограниченной выборке и тематике обучения, поэтому качество на других площадках, темах и формулировках может отличаться.

Windstorm Labs опубликовала модель машинного перевода с фиджийского языка на английский. Это дообученная версия Helsinki-NLP/opus-mt-fj-en: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель использует архитектуру MarianMT, содержит 53,8 млн параметров и принимает текстовый ввод с контекстом до 512 токенов. Модель предназначена для перевода фиджийских текстов на английский, например отдельных фраз и документов. В проверке на 48 предложениях FLORES-200 она получила chrF++ 29,31 и BLEU 7,76; это ограниченная скрининговая оценка, а не публикационный результат. Поддерживается только направление fj→en. Репозиторий содержит веса safetensors для Transformers. Лицензия — Apache-2.0.

Stable-X/vggt-object-v0-1 — модель Stable-X для восстановления 3D-объектов по изображениям. В карточке она связана с работой ReconViaGen, посвящённой точной многовидовой реконструкции объектов с помощью генерации. Модель использует библиотеку object-vggt и основана на объединении facebook/VGGT-1B и facebook/VGGT-1B-Commercial. Модель предназначена для задачи image-to-3d: по одному или нескольким изображениям восстанавливать трёхмерный объект. Карточка не сообщает подробностей об архитектуре, числе параметров, длине контекста или поддерживаемых языках; английская метка в метаданных не подтверждает языковую поддержку, поскольку основная работа связана с изображениями и 3D. В репозитории указаны веса safetensors. Лицензия в предоставленных данных не указана, поэтому условия использования по ним определить нельзя.

LeBenchmark/wav2vec2-FR-3K-base — предварительно обученная модель семейства wav2vec 2.0, выпущенная проектом LeBenchmark. Это базовая архитектура Wav2Vec2Model с 113,3 млн параметров, обученная на 2,9 тыс. часов французской речи, включая спонтанную, чтение и радиовещание. Модель извлекает контекстные речевые представления из аудио и предназначена для последующего дообучения или использования как замороженного энкодера в задачах обработки речи. Извлечённые признаки можно применять в системах распознавания речи, распознавания говорящего и разделения источников звука. Репозиторий содержит веса PyTorch и Safetensors; модель распространяется по лицензии Apache-2.0. Для распознавания речи требуется downstream-модель или дообучение, а авторы предупреждают, что результаты ASR с CTC не следует считать гарантированно передовыми; доступность некоторых исходных корпусов может быть ограничена.

aboalaa1472 разработал Whisper Quranic ASR v2 как дообученную и полностью объединённую версию Whisper Large V3 Turbo, предназначенную для распознавания речи при чтении Корана на арабском языке. Модель принимает аудио и выдаёт текстовую транскрипцию; она рассчитана на работу с особенностями коранической рецитации, включая таджвид, протяжные гласные и различия в темпе чтения. Веса LoRA-адаптера объединены с базовыми параметрами, поэтому модель загружается как обычная модель Whisper без отдельной зависимости от PEFT. Для обучения использован датасет EveryAyah: 5 000 обучающих и 500 проверочных записей; при подготовке аудио применялись преобразования высоты тона и скорости воспроизведения. В карточке указана лицензия MIT. Количественные результаты распознавания и независимая оценка качества не приведены.

Sami92/XLM-R-Large-Disinfo-Narrative-Classifier — модель на базе XLM-R Large, дообученная для классификации текстов, поддерживающих распространённые нарративы дезинформации. Она предназначена для автоматизированного анализа утверждений и публикаций в контексте фактчекинга. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и принимает текст с контекстом до 514 токенов. Обучающие данные на немецком языке объединяют синтетические примеры и публикации из Telegram со слабой разметкой, подготовленной с помощью GPT-4o. В карточке приведены результаты проверки на текстах из публикаций немецких фактчекинговых организаций. Хотя базовая архитектура многоязычная, работу модели на других языках не проверяли, а тестовый набор несбалансирован и включает не все классы. Модель опубликована под лицензией CC BY 4.0.

Мультиязычный классификатор токсичности TextDetox на базе XLM-RoBERTa large, дообученный на наборе textdetox/multilingual_toxicity_dataset для бинарного определения токсичного текста. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и принимает текст длиной до 514 токенов. Модель предназначена для выявления токсичных сообщений в многоязычных текстовых потоках, например при модерации комментариев и анализе пользовательского контента. В README приведены результаты на сбалансированной тестовой выборке: F1 0,871 по всем языкам, 0,965 для английского и 0,979 для русского. Метаданные перечисляют поддержку английского, русского, украинского, испанского, немецкого, амхарского, арабского, китайского и хинди. Модель распространяется по лицензии OpenRAIL++. Классификатор выдаёт метку токсичности и не заменяет контекстную модерацию: представленные метрики относятся к указанной тестовой выборке, а README не приводит результаты по каждому из девяти языков. Основа модели — FacebookAI/xlm-roberta-large.

arabic-nano-gpt-v0 — авторегрессионная модель генерации текста на архитектуре GPT-2, созданная e-hossam96 путём дообучения openai-community/gpt2 на арабской Википедии. Модель подходит для продолжения арабского текста по промпту и генерации фрагментов в энциклопедическом стиле. В README указаны размер эмбеддинга 256, четыре слоя внимания и четыре головы; максимальный контекст составляет 1024 токена. На отложенной тестовой выборке указано значение loss 3,28796. Модель распространяется в формате safetensors по лицензии MIT. Она компактна, но карточка не приводит оценок качества для практических сценариев и не описывает дополнительные возможности помимо генерации текста.

beyan-quran-bge-m3 — модель Sentence Transformers, дообученная expri34 на базе BAAI/bge-m3 для семантического поиска по текстам, связанным с Кораном. Она преобразует предложения и абзацы в нормализованные плотные векторы размерностью 1024; сходство между ними можно оценивать косинусной мерой и использовать для поиска релевантных фрагментов. Модель построена на XLM-RoBERTa с пулингом CLS и рассчитана на последовательности до 8194 токенов. Обучение описано как сопоставление пар текстов с MultipleNegativesRankingLoss на примерах из 29 923 пар; в README приведены арабские тексты и турецкие и английские соответствия. Лицензия в предоставленных данных не указана.

Bophades-BruinsMaid-7B — слитая модель Mistral на 7,1 млрд параметров, созданная автором репозитория с помощью mergekit и метода SLERP из nbeerbower/bophades-mistral-7B и SanjiWatsuki/Loyal-Toppy-Bruins-Maid-7B-DARE. Она предназначена для генерации текста, включая ролевые диалоги и ответы по карточкам персонажей, как у одной из исходных моделей. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Качество и языковой охват в карточке не описаны.

chronolima-airo-grad-l2-13B — текстовая авторегрессионная модель семейства Llama 2, опубликованная пользователем kingbri. Это слияние Chronos 13B v2, Airoboros L2 13B GPT4 2.0 и адаптера LimaRP для Llama 2; Chronos указан как базовая модель, а объединение выполнено методом BlockMerge_Gradient. Модель содержит 12,9 млрд параметров, работает с библиотекой Transformers и имеет контекст до 4096 токенов. Модель предназначена для генерации текста и диалогов, в том числе ролевого общения. По описанию автора, градиентное слияние использует Airoboros для формирования основы ответа, а Chronos — для его уточнения; LimaRP добавлен с небольшим весом для влияния на характер общения. Карточка предупреждает, что ответы Chronos могут быть многословными и экспрессивными, а LimaRP обучен на данных нишевых интернет-форумов. Модель не предназначена для фактических сведений или советов. Лицензия — AGPL-3.0.

Модель Danish ELECTRA Offensive разработана Alexandra Institute для определения, является ли текст на датском языке оскорбительным. Она предназначена для классификации текстов, в том числе сообщений в социальных сетях, по признаку оскорбительного содержания. Модель основана на предварительно обученной датской Ælæctra и использует архитектуру ELECTRA с классификационной головой ElectraForSequenceClassification. Она содержит 20,8 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Обучающие данные — вручную размеченные публикации из социальных сетей, подготовленные совместно с Danmarks Radio; набор данных не опубликован. Модель доступна в формате PyTorch по лицензии Apache-2.0. Она классифицирует оскорбительность текста, однако README не приводит сведения о метриках качества и деталях классов разметки.

Diba-mini — компактная языковая модель семейства Diba, разработанная Dibachain. Это плотная авторегрессионная модель архитектуры Diba с 1,7 млрд параметров, предназначенная прежде всего для общения на персидском языке и ответов на вопросы об Иране, включая его географию, культуру и современную историю. Модель также отвечает на английском и старается продолжать диалог на языке пользователя. Модель подходит для офлайн-ассистентов на ноутбуках, небольших серверах и мобильных устройствах; в карточке также описан вариант GGUF объёмом около 1,3 ГБ для запуска на CPU. Заявленная длина контекста — 262 144 токена, но пример запуска в README ограничивает её 8 192 токенами. По приведённому авторами сравнению на 40 вопросах об истории Ирана на персидском языке Diba-mini ответила правильно на 20; результаты этих тестов не являются независимой оценкой. Лицензия — Apache-2.0. Модель не предназначена для программирования: в тестах из README она набрала 6 из 20 на задачах Python и JavaScript, а для кода авторы рекомендуют Diba-Base. Как и другие компактные модели, она может ошибаться в фактах; важную информацию следует проверять.

Emerald-13B — текстовая генеративная модель на базе архитектуры Llama, созданная автором репозитория путём слияния Pygmalion 2, Huginn и LimaRP v3 с использованием BlockMerge_Gradient. Модель содержит 12,9 млрд параметров, опубликована в формате PyTorch fp16 и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации ответов по инструкциям и диалоговых сценариев с шаблоном Alpaca; использованные базовые модели и LimaRP указывают на ориентацию на ролевые диалоги. Карточка приводит результаты отдельных тестов Open LLM Leaderboard. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Метки репозитория предупреждают, что модель не подходит для всех аудиторий и имеет контент для взрослых.

Модель yainage90/fashion-object-detection разработана как дообученная версия microsoft/conditional-detr-resnet-50 для поиска объектов на изображениях модной одежды. Она использует архитектуру Conditional DETR с ResNet-50 и предназначена для обнаружения семи категорий: сумок, предметов нижней одежды, платьев, головных уборов, обуви, верхней одежды и топов. Модель обучалась на сочетании датасетов ModaNet и Fashionpedia. В README указан лучший результат mAP 0,7542 на 96-й эпохе из 100. Её можно применять для распознавания и локализации предметов одежды на фотографиях, в том числе в сценариях визуального поиска модных товаров. Репозиторий содержит веса safetensors и предназначен для библиотеки Transformers. Лицензия модели — MIT. Указанные метрики относятся к описанному обучению; качество на других изображениях и распределениях данных может отличаться.