Media is too big
VIEW IN TELEGRAM
NVIDIA NeMo
Диалоговый набор ИИ-инструментов для
- распознавая речи
- генерации речи по тексту
- больших языковых моделей (LLM)
- обработки естественного языка (NLP)
- визуально-языковых задач
На гитхабе подробные туториалы, инструкции, примеры.
Гитхаб
Демо NeVA, визуально-языковой ассистент
#TTS #STT #multimodal #NLP #LLM #image2text #CV
Диалоговый набор ИИ-инструментов для
- распознавая речи
- генерации речи по тексту
- больших языковых моделей (LLM)
- обработки естественного языка (NLP)
- визуально-языковых задач
На гитхабе подробные туториалы, инструкции, примеры.
Гитхаб
Демо NeVA, визуально-языковой ассистент
#TTS #STT #multimodal #NLP #LLM #image2text #CV
Moondream 3 Preview
Превью 3 версии VLM для описания (и не только) изображений
— может отвечать на открытые вопросы об изображениях
— создаёт описания изображений разной длины: короткие, стандартные и длинные
— определяет координаты конкретных объектов на изображении
— предоставляет bounding boxes (ограничивающие рамки) для объектов на изображении
— поддерживает предварительное кодирование изображений для ускорения многократных запросов
— работает как с изображениями, так и как универсальная текстовая модель
Плейграунд попробовать
Демо HF
API
#vlm #captioning #detection #moe #cv #image2text
Превью 3 версии VLM для описания (и не только) изображений
— может отвечать на открытые вопросы об изображениях
— создаёт описания изображений разной длины: короткие, стандартные и длинные
— определяет координаты конкретных объектов на изображении
— предоставляет bounding boxes (ограничивающие рамки) для объектов на изображении
— поддерживает предварительное кодирование изображений для ускорения многократных запросов
— работает как с изображениями, так и как универсальная текстовая модель
Плейграунд попробовать
Демо HF
API
#vlm #captioning #detection #moe #cv #image2text
👍8❤3🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Moondream распознает видео в реальном времени
От понимания картинок к пониманию потокового видео
Может работать с веб-камерами, камерами безопасности, дронами и другими источниками видео.
Может запускать оповещения, логировать события и управлять системами.
Применяется в безопасности, контроле качества, мониторинге безопасности и розничной аналитике.
Работает по API
Гитхаб
Демо по ссылке в шапке. Там можно подключить свою вебку или закинуть видеофал
#vlm #captioning #detection #moe #cv #image2text
От понимания картинок к пониманию потокового видео
Может работать с веб-камерами, камерами безопасности, дронами и другими источниками видео.
Может запускать оповещения, логировать события и управлять системами.
Применяется в безопасности, контроле качества, мониторинге безопасности и розничной аналитике.
Работает по API
Гитхаб
Демо по ссылке в шапке. Там можно подключить свою вебку или закинуть видеофал
#vlm #captioning #detection #moe #cv #image2text
👍8❤2🥴1
Еще новинки в семействе LingBot
LingBot-Vision
Vision-модель для роботов и мобилок
Ловит границы, глубину, геометрию сцены. Не "что на фото", а "где края и как далеко"
• 4 размера: от 13M до 1.1B параметров
• self-supervised обучение без разметки
• обгоняет DINOv3 при кратно меньших параметрах
Apache-2.0, веса открыты, подходит для edge и роботов
Гитхаб
HF
———
LingBot-Depth 2.0
Считает глубину по фото, строит 3D-карту сцены. Справляется на сложных текстурах, с прозрачностью и в слабом свете.
• оценка глубины с учётом семантики сцены
• работа с мультимодальными входами (RGB + признаки)
Подходит для мобильных и edge-устройств.
Волшебно, но ссылок на саму модель нет 🤷♂️
#vlm #cv #video2depth #video2feature
LingBot-Vision
Vision-модель для роботов и мобилок
Ловит границы, глубину, геометрию сцены. Не "что на фото", а "где края и как далеко"
• 4 размера: от 13M до 1.1B параметров
• self-supervised обучение без разметки
• обгоняет DINOv3 при кратно меньших параметрах
Apache-2.0, веса открыты, подходит для edge и роботов
Гитхаб
HF
———
LingBot-Depth 2.0
Считает глубину по фото, строит 3D-карту сцены. Справляется на сложных текстурах, с прозрачностью и в слабом свете.
• оценка глубины с учётом семантики сцены
• работа с мультимодальными входами (RGB + признаки)
Подходит для мобильных и edge-устройств.
Волшебно, но ссылок на саму модель нет 🤷♂️
#vlm #cv #video2depth #video2feature
❤8👍1😁1😱1