# 軽量アーキテクチャ

ドルフィンは革新的なマルチモーダルドキュメント画像解析モデルで、'分析してから解析する'というパラダイムを用いて複雑なドキュメント要素を処理します。

これはgoogle/gemma-3-4b-itのテキスト専用軽量バージョンで、視覚エンコーダーを削除し、テキスト生成タスクに特化しています。

HieraDet画像エンコーダーに基づくSAM2モデルで、画像特徴抽出タスクに特化しています。

LinknetはPyTorchで実装された画像セグメンテーションモデルで、セマンティックセグメンテーションタスクに適しています。

Allegroはオープンソースの高品質なテキストから動画を生成するモデルで、2秒から6秒、15 FPSの詳細な動画を生成でき、複数の解像度をサポートしています。

Allegroはオープンソースのテキスト生成ビデオモデルで、高品質で多様な動的シーンビデオを生成できます。

Chronosは言語モデルアーキテクチャに基づく事前学習済み時系列予測モデルファミリーで、量子化とスケーリングにより時系列をトークン系列に変換して学習します。

Hieraは効率的な階層型ビジョントランスフォーマーモデルで、画像・動画タスクにおいて優れた性能と高速処理を実現

Hieraは階層型視覚Transformerモデルで、高速で強力かつシンプルな特性を持ち、画像・動画タスクにおいて既存技術を凌駕しつつ高速に動作します。

Hieraは階層型ビジョントランスフォーマーモデルで、高速・強力・シンプルな特性を兼ね備え、幅広い画像・動画タスクにおいて既存技術を凌駕するとともに、実行速度を大幅に向上させます。

Hieraは階層型視覚Transformerモデルで、高速・強力・簡潔な特徴を持ち、画像・動画タスクで優れた性能を発揮します。

Mistralアーキテクチャのランダム初期化モデルで、エンドツーエンドテストに適しています。

これはApache-2.0ライセンスに基づくオープンソースモデルで、具体的な機能と用途は実際のモデルによって決定されます

RuLeanALBERT はロシア語事前学習用のマスク言語モデルで、メモリ効率の高いアーキテクチャを採用しています。

EfficientNetV2は、トレーニング速度とパラメータ効率を特に最適化した効率的な畳み込みニューラルネットワークアーキテクチャです。61チャンネル版はこのアーキテクチャのバリエーションです。

LeViT-256はTransformerアーキテクチャに基づく効率的な視覚モデルで、高速推論のために設計され、ImageNet-1kデータセットで事前学習されています。

これはブルガリア語RoBERTaモデルの簡易版で、6つの隠れ層のみを含みますが、同等の性能を維持しています。

ImageNetteデータセットで事前学習されたCSP-Darknet-53 Mishアーキテクチャの画像分類モデル

ReXNet-1.3xはReXNetアーキテクチャに基づく画像分類モデルで、ImageNetteデータセットで事前学習されています。このモデルは残差ブロック内のSqueeze-Excitation層を改良することでチャネル冗長性を削減します。

ALBERT大規模モデルのアラビア語事前学習版で、約44億語のアラビア語コーパスで学習

これは小型BERTモデルの仮想サンプルで、デモンストレーションとテスト目的で使用されます。

10億トークンスケールで事前学習されたRoBERTaベースモデル、検証パープレキシティは3.93、英語テキスト処理タスクに適しています。

ReXNet-1.5x は、ImageNetteデータセットで事前学習された軽量画像分類モデルで、ReXNetアーキテクチャを採用し、残差ブロック内のSqueeze-Excitation層を改良してチャネル冗長性を削減しています。