# ウェブデプロイ

TimeSformer-HRは、ビデオベースの高解像度時空間Transformerモデルで、Kinetics-400データセットでファインチューニングされており、ビデオ行動認識タスクに適しています。

YOLOv9-C は YOLOv9 アーキテクチャに基づく物体検出モデルで、画像内の多様な物体をリアルタイムに検出するのに適しています。

OpenAIがオープンソース化したCLIPモデルで、Vision Transformer (ViT) アーキテクチャに基づき、画像とテキストの共同理解をサポートします。

DeBERTa-v3アーキテクチャに基づく自然言語推論モデル、Transformers.js用ONNX重みバージョン

ビジョントランスフォーマーアーキテクチャに基づく大規模画像セグメンテーションモデルで、入力点から高品質なオブジェクトマスクを生成可能

Whisper TinyはOpenAIがオープンソースで公開した軽量音声認識モデルで、ウェブデプロイに適しています。