Virtus
MIT
基於視覺變換器的二分類模型,專用於檢測深度偽造圖像,準確率達99.2%
圖像分類
Transformers

V
agasta
970
1
Arabic Large Nougat
Gpl-3.0
專為阿拉伯語設計的端到端結構化光學字符識別系統,可將書籍頁面圖像轉換為結構化文本(Markdown格式)
圖像生成文本
Transformers 支持多種語言

A
MohamedRashad
537
10
Dpt Swinv2 Base 384
MIT
DPT (密集預測變換器) 模型在140萬張圖像上訓練,用於單目深度估計。該模型使用Swinv2作為骨幹網絡,適用於高精度深度預測任務。
3D視覺
Transformers

D
Intel
182
0
Nsfw Image Detection
Apache-2.0
基於ViT架構的NSFW圖像分類模型,通過監督學習在ImageNet-21k數據集上預訓練,並在80,000張圖像上微調,用於區分正常和NSFW內容。
圖像分類
Transformers

N
Falconsai
82.4M
588
Dpt Hybrid Midas
Apache-2.0
基於視覺變換器(ViT)的單目深度估計模型,在140萬張圖像上訓練
3D視覺
Transformers

D
Intel
224.05k
94
Vivit B 16x2 Kinetics400
MIT
ViViT是對視覺變換器(ViT)的擴展,適用於視頻處理,特別適合視頻分類任務。
視頻處理
Transformers

V
google
56.94k
32
Vivit B 16x2
MIT
ViViT是對視覺變換器(ViT)的擴展,適用於視頻處理,主要用於視頻分類等下游任務。
視頻處理
Transformers

V
google
989
11
Cvt 21
Apache-2.0
CvT-21是基於ImageNet-1k數據集預訓練的視覺變換器模型,通過引入卷積操作改進傳統視覺變換器。
圖像分類
Transformers

C
microsoft
589
0
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98