このモデルは、facebook/mask2former-swin-tiny-coco-instanceをqubvel-hf/ade20k-miniデータセットでファインチューニングしたインスタンスセグメンテーションモデルです。このモデルは、ADE20K-miniデータセットのシーン理解タスクに特化して最適化されており、インスタンスセグメンテーションタスクで良好な性能を発揮します。

コンピュータビジョンTransformers

このモデルは、FacebookのDETR-ResNet-50-DC5物体検出モデルをファッションデータセットでファインチューニングしたバージョンで、ファッションアイテムの検出と分類に特化しています。モデルはFashionpediaデータセットで最適化されており、服装やアクセサリーなどのファッションアイテムを識別できます。

コンピュータビジョンTransformers

MobileLLM-ProはMetaが開発した10億パラメータの効率的なデバイス側言語モデルで、モバイルデバイスに最適化されており、128kの文脈長をサポートし、高品質の推論能力を提供します。このモデルは知識蒸留技術を用いて訓練され、複数のベンチマークテストで同規模のモデルを上回り、ほぼ無損失の4ビット量子化をサポートします。

自然言語処理Transformers英語

MobileLLM - R1はMetaが公開した高効率推論モデルシリーズで、140M、360M、950Mの3種類の規模があります。このモデルは数学、プログラミング、科学問題に特化して最適化されており、パラメータ規模が小さいにもかかわらず、大規模モデルと同等またはそれ以上の性能を実現しています。

自然言語処理Transformers英語

MobileLLM-R1はMetaが発表した高速推論用の言語モデルシリーズで、数学、プログラミング、科学的問題解決に特化しています。このモデルはパラメータ規模が小さいにもかかわらず、優れた性能を発揮し、完全な訓練レシピとデータソースを提供して再現研究をサポートします。

自然言語処理Transformers英語

MobileLLM - R1はFacebookが開発した高効率推論モデルシリーズで、数学、プログラミング、科学問題の解決に特化しています。このモデルは約2Tの高品質ラベル付きデータのみで事前学習を行ったにもかかわらず、複数のベンチマークテストで優れた性能を発揮しまし。

自然言語処理Transformers英語

MobileLLM-R1は、数学、プログラミング、科学の問題に特化した効率的な推論モデルシリーズで、少ないトレーニングデータで優れた性能を実現し、完全なトレーニングレシピとデータソースを提供します。

自然言語処理Transformers英語

MobileLLM-R1はMetaが開発した効率的な推論モデルシリーズで、数学、プログラミング、科学の問題解決に特化しています。このモデルは140M、360M、950Mの3つの規模のバージョンを提供し、優れた推論能力と再現性を備えています。

自然言語処理Transformers英語

MobileLLM-R1はMobileLLMシリーズの高効率推論モデルで、数学、プログラミング、科学問題に特化して最適化されています。パラメータ規模が小さいにもかかわらず、より高い精度を実現し、低トレーニングコストと高効率の特徴を持っています。

自然言語処理Transformers英語

MapAnythingはエンドツーエンドでトレーニングされたTransformerモデルで、複数のモードを入力として受け取り、シーンの分解測度3D幾何構造を直接回帰することができます。このモデルは、多画像SfM、多視点立体視、単眼測度深度推定など、12種類以上の異なる3D再構築タスクをサポートしています。

コンピュータビジョンSafetensors英語

DINOv3は一連の汎用的な視覚基礎モデルで、微調整なしで幅広い視覚タスクで専用の最先端技術を上回ることができます。このモデルは高品質の密集特徴を生成でき、様々な視覚タスクで優れた性能を発揮し、以前の自己監督型および弱監督型基礎モデルを大幅に上回っています。

コンピュータビジョンTransformers英語

DINOv3はMeta AIが開発した一連の汎用視覚基礎モデルで、微調整することなく幅広い視覚タスクで専用の最先端モデルを上回ります。このモデルは自己教師付き学習方式を採用し、高品質の密集特徴を生成し、画像分類、セグメンテーション、深度推定などの様々なタスクで優れた性能を発揮します。

コンピュータビジョンTransformers英語

DINOv3はMeta AIが開発した多機能ビジュアル基礎モデルで、微調整なしで幅広いビジュアルタスクで専用モデルを上回ります。このモデルは高品質な密集特徴を生成でき、様々なビジュアルタスクで優れた性能を発揮し、これまでの自己監督型および弱監督型の基礎モデルを大幅に上回っています。

コンピュータビジョンTransformers英語

DINOv3はMeta AIが開発した一連の汎用ビジュアル基礎モデルで、微調整を行わずにさまざまなビジュアルタスクで専用の最先端モデルを上回ることができます。このモデルはVision Transformerアーキテクチャを採用し、16.89億枚のウェブ画像で事前学習されており、高品質の密集特徴を生成でき、画像分類、セグメンテーション、検索などのタスクで優れた性能を発揮します。

コンピュータビジョンTransformers英語

DINOv3は一連の汎用的な視覚基礎モデルで、微調整なしで幅広い視覚タスクで専用の最先端モデルを上回ります。このモデルは自己監督学習方式を採用し、高品質の密集特徴を生成し、様々な視覚タスクで優れた性能を発揮し、これまでの自己監督および弱監督基礎モデルを大幅に上回っています。

コンピュータビジョンTransformers英語

DINOv3は一連の汎用的な視覚基礎モデルで、微調整なしで幅広い視覚タスクで専用の最先端技術を上回ります。このモデルは自己監督学習によって高品質な密集特徴を生成し、様々な視覚タスクで優れた性能を発揮し、これまでの自己監督および弱監督の基礎モデルを大幅に上回っています。

コンピュータビジョンTransformers英語

MetaCLIP 2 (worldwide) は、Transformerアーキテクチャに基づく多言語ゼロショット画像分類モデルで、世界中のビジュアル言語理解タスクをサポートし、トレーニングなしで画像を分類する能力を実現します。

マルチモーダルTransformersその他

ESM - 2はNVIDIAがFacebook ResearchのオリジナルESM - 2モデルを基に、TransformerEngineライブラリを使って最適化したタンパク質言語モデルで、数値精度の範囲内で同じ重みと出力を持ち、タンパク質配列分析タスクに適しています。

科学計算Transformers

これはFacebook MMSプロジェクトに基づく超軽量級ヒンディー語音声合成モデルで、VITSアーキテクチャを採用しており、ヒンディー語のテキストを高品質で自然な流れの良い音声出力に変換することができます。モデルはヒンディー語用に最適化されており、効率的な推論性能を持っています。

音声処理Transformersその他

これはFacebook MMSプロジェクトに基づく超軽量級ヒンディー語音声合成モデルで、女性の声に特化して最適化されています。このモデルはヒンディー語のテキストを自然で流暢な女性の音声に変換することができ、軽量級で効率的に動作する特徴を持ち、ランダム時間予測器をサポートして異なるリズムの音声を生成します。

音声処理Transformersその他