# Transformer架構

這是一個支持多種日耳曼語族語言間互譯的Transformer模型，由Helsinki-NLP團隊開發。

日晷是一系列生成式時間序列基礎模型，能夠對確定性預測和概率預測進行零樣本推理。

這是AST(Audio Spectrogram Transformer)模型的ONNX版本，專為音頻分類任務設計，在AudioSet數據集上進行了微調。

該模型是基於facebook/wav2vec2-base在LibriSpeech數據集上微調的語音識別模型，在評估集上取得了0.3174的詞錯誤率。

Falcon-E-3B-Instruct 是一個基於1.58比特架構的高效語言模型，專為邊緣設備優化，具有出色的推理能力和低內存佔用。

基於VideoMAE基礎模型在UCF101子集上微調的視頻分類模型

X2I是一個多模態擴散Transformer模型，能夠將多種輸入模態（文本、圖像、視頻、音頻、語音）轉換為圖像輸出。

基於Transformer的光學字符識別模型，專為處理手寫數學圖像和結構化數學語法而優化。

基於Microsoft的UniXcoder微調的C/C++代碼漏洞檢測模型，準確率68.34%，F1分數62.14%

基於Transformer架構的表格分類模型，用於金融領域的數據分析

基於Transformer架構的DNA序列嵌入模型，支持序列比對和基因組學應用

Finedefics 是一個開源的多模態大語言模型（MLLM），通過融入對象的信息化屬性描述，增強了細粒度視覺識別（FGVR）能力。

泰爾曼大型-v2.0是基於Transformer架構的英語-摩洛哥方言翻譯模型，性能顯著提升，與商業模型表現相當。

基於Transformer架構的雙向機器翻譯模型，支持斯拉夫語系語言間的互譯

基於視覺Transformer（ViT）的圖像特徵模型，採用自監督DINOv2方法在LVD-142M數據集上預訓練。

本模型是基於Transformer庫的人臉活體檢測模型，在評估集上取得了優異的性能。

TabPFNMix是基於純合成數據集預訓練的表格基礎模型，採用編碼器-解碼器Transformer結構，適用於表格數據迴歸任務。

基於表格數據的基礎模型，預訓練數據來自隨機分類器混合生成的合成數據集

RT-DETRv2是基於Transformer架構的即時目標檢測模型，通過改進的基線模型和免費技巧包提升性能。

AMD Nitro Diffusion 是一系列高效的文本生成圖像模型，基於 AMD Instinct™ GPU 從主流擴散模型蒸餾而來。PixArt-Sigma Nitro 是基於 Transformer 的高分辨率單步推理模型。

TrOCR模型是一種基於Transformer的光學字符識別模型，專門針對俄語手寫文本進行微調。

基於Transformer架構的編碼器-解碼器模型，專為使用SELFIES進行分子表徵而設計

基於微軟SpeechT5模型微調的英文語音合成(TTS)模型，專注於技術領域文本的語音生成

MOMENT是一系列通用時序分析基礎模型，支持多種時序分析任務如預測、分類、異常檢測等，具備開箱即用和可微調的特性。

PGTFormer 是一個基於 PyTorch 的圖像到圖像轉換模型，通過 PytorchModelHubMixin 集成推送至 Hugging Face Hub。

基於Microsoft SpeechT5微調的土耳其語文本轉語音模型，能夠生成高質量土耳其語語音。

專為斯瓦希里語與英語雙向翻譯開發的Transformer模型，基於21萬條語料對微調訓練

TimeSformer 是一個基於 Transformer 的視頻理解模型，專門針對 Kinetics-400 數據集進行了微調。

基於SegFormer架構的時尚圖像分割模型，專門用於人物服裝和配飾的精細分割

TrOCR是一個基於Transformer的OCR模型，專門用於識別手寫數學公式

基於BERT架構的Transformer編碼器模型，專為生成RNA序列嵌入而設計

這是Dicta - IL的dictalm2.0 - instruct模型的微調版本，專門用於生成希伯來語的問答對。

基於12層Transformer架構的先進句子分割模型，支持多語言文本分割任務

Real3D是一個基於TripoSR架構的2D到3D映射Transformer模型，通過無監督自訓練和自動數據篩選擴展了真實世界圖像的處理能力。

MeshAnything是基於自迴歸Transformer的藝術家級網格生成模型，能夠將圖像或點雲轉換為高質量的3D網格模型。

DAB-DETR是一種改進的DETR目標檢測模型，通過動態錨框查詢機制顯著提升訓練收斂速度和檢測精度

基於Donut框架的Transformer架構模型，用於從框圖圖像中提取整體摘要信息，支持英語和韓語處理。

密碼子優化的終極工具，能將蛋白質序列轉化為針對目標生物體優化的DNA序列。

基於Transformers庫的圖像分割模型，用於視覺任務中的圖像分割處理

RT-DETR是首個即時端到端目標檢測Transformer模型，通過高效混合編碼器和查詢選擇機制實現無NMS的高效檢測