# Transformerアーキテクチャ

日時計は一連の生成的時系列基礎モデルであり、確定的予測と確率予測に対してゼロショット推論が可能です。

これはAST（Audio Spectrogram Transformer）モデルのONNXバージョンで、音声分類タスク用に設計され、AudioSetデータセットで微調整されています。

このモデルはfacebook/wav2vec2-baseをLibriSpeechデータセットでファインチューニングした音声認識モデルで、評価セットで0.3174の単語誤り率を達成しました。

Falcon-E-3B-Instructは1.58ビットアーキテクチャに基づく高効率な言語モデルで、エッジデバイス向けに最適化されており、優れた推論能力と低メモリ消費を特徴とします。

VideoMAEベースモデルをUCF101サブセットでファインチューニングしたビデオ分類モデル

X2Iはマルチモーダル拡散Transformerモデルで、テキスト、画像、動画、音声、音声など複数の入力モダリティを画像出力に変換できます。

Transformerベースの光学文字認識モデルで、手書き数式画像と構造化数学構文の処理に最適化されています。

MicrosoftのUniXcoderを微調整したC/C++コードバグ検出モデルで、正解率68.34%、F1スコア62.14%

Transformerアーキテクチャに基づく表形式分類モデルで、金融分野のデータ分析に使用

Transformerアーキテクチャに基づくDNA配列埋め込みモデル、配列アラインメントとゲノミクス応用をサポート

Finedeficsはオープンソースのマルチモーダル大規模言語モデル（MLLM）で、オブジェクトの情報的属性記述を組み込むことで、細粒度視覚認識（FGVR）能力を強化しています。

テルジャマン大型-v2.0はTransformerアーキテクチャに基づく英語-モロッコ方言翻訳モデルで、性能が大幅に向上し、商用モデルと同等のパフォーマンスを発揮します。

Transformerアーキテクチャに基づく双方向機械翻訳モデルで、スラブ語族言語間の相互翻訳をサポート

視覚Transformer（ViT）ベースの画像特徴モデルで、自己教師ありDINOv2手法を用いてLVD-142Mデータセットで事前学習済み。

このモデルはTransformerライブラリに基づく顔生体検知モデルで、評価セットで優れた性能を発揮しました。

TabPFNMixは純粋な合成データセットで事前学習された表データ基礎モデルで、エンコーダ-デコーダTransformer構造を採用し、表データ回帰タスクに適しています。

表データに基づく基礎モデルで、事前学習データはランダム分類器の混合から生成された合成データセットに由来します

RT-DETRv2はTransformerアーキテクチャに基づくリアルタイム物体検出モデルで、改良されたベースラインモデルと無料テクニックパックにより性能を向上させています。

AMD Nitro Diffusionは、AMD Instinct™ GPU向けに主流の拡散モデルから蒸留された効率的なテキスト生成画像モデルのシリーズです。PixArt-Sigma Nitroは、Transformerベースの高解像度単段推論モデルです。

TrOCRモデルはTransformerベースの光学文字認識モデルで、特にロシア語手書きテキスト向けにファインチューニングされています。

Transformerアーキテクチャに基づくエンコーダ-デコーダモデルで、SELFIESを用いた分子特性評価のために設計

マイクロソフトのSpeechT5モデルをファインチューニングした英語音声合成(TTS)モデルで、技術分野のテキスト音声生成に特化

MOMENTは汎用的な時系列分析基盤モデルのシリーズで、予測、分類、異常検知など多様な時系列分析タスクをサポートし、すぐに使用可能かつ微調整可能な特性を備えています。

PGTFormerはPyTorchベースの画像間変換モデルで、PytorchModelHubMixinを通じてHugging Face Hubに統合されています。

Microsoft SpeechT5をファインチューニングしたトルコ語テキスト音声変換モデルで、高品質なトルコ語音声を生成できます。

スワヒリ語と英語の双方向翻訳のために開発されたTransformerモデルで、21万の言語ペアで微調整されています

TimeSformerはTransformerベースのビデオ理解モデルで、Kinetics-400データセット向けに特別にファインチューニングされています。

SegFormerアーキテクチャに基づくファッション画像セグメンテーションモデルで、人物の衣服やアクセサリーの精密なセグメンテーションに特化

TrOCRはTransformerベースのOCRモデルで、手書き数学式の認識に特化しています

BERTアーキテクチャに基づくTransformerエンコーダモデルで、RNAシーケンス埋め込み生成専用に設計

これはDicta - ILのdictalm2.0 - instructモデルの微調整バージョンで、ヘブライ語の質問と回答のペアを生成するために特化しています。

12層Transformerアーキテクチャに基づく先進的な文分割モデルで、多言語テキスト分割タスクをサポート

Real3DはTripoSRアーキテクチャに基づく2Dから3DへのマッピングTransformerモデルで、教師なし自己学習と自動データ選別により実世界画像の処理能力を拡張しています。

MeshAnythingは自己回帰型Transformerを基にしたアーティスト級のメッシュ生成モデルで、画像やポイントクラウドを高品質な3Dメッシュモデルに変換できます。

DAB-DETRは改良されたDETR物体検出モデルで、動的アンカーボックス検索メカニズムによりトレーニング収束速度と検出精度を大幅に向上

Donutフレームワークに基づくTransformerアーキテクチャモデルで、ブロック図画像から全体の要約情報を抽出し、英語と韓国語の処理をサポートします。

コドン最適化の究極ツールで、タンパク質配列を対象生物種に最適化されたDNA配列に変換できます。

Transformersライブラリに基づく画像セグメンテーションモデルで、視覚タスクにおける画像分割処理に使用されます

RT-DETRは初のリアルタイムエンドツーエンド物体検出Transformerモデルで、効率的なハイブリッドエンコーダとクエリ選択メカニズムによりNMS不要の効率的な検出を実現

SegFormerアーキテクチャに基づくファッションアイテム画像分割モデルで、衣類やアクセサリーの識別と分割に特化