このモデルは、FacebookAI/xlm-roberta-largeを多言語テキストで微調整したジョーク評価モデルで、ジョークの品質とユーモア度を評価するために特化しています。評価セットで0.4005の正解率と5.0327の二乗平均平方根誤差を達成しています。

自然言語処理Transformers

米モデルのエンボディメントモデル（MiMo-Embodied）は、強力なクロスエンボディメント視覚言語モデルであり、自動運転とエンボディメントAIタスクの両方で卓越した性能を発揮します。これは、この2つの重要な分野を結合した最初のオープンソースの視覚言語モデルであり、動的な物理環境における理解と推論能力を大幅に向上させました。

マルチモーダルTransformers

NV-Reason-CXR-3B GGUFはNVIDIA NV-Reason-CXR-3Bビジュアル言語モデルの量子化バージョンで、エッジデバイスへのデプロイに最適化されています。これは30億パラメータのモデルで、胸部X線分析に特化しており、GGUF形式に変換され、量子化処理が施されているため、モバイルデバイス、デスクトップデバイス、組み込みシステムで効率的に動作します。

マルチモーダルGguf英語

TRELLIS Text XLは大型の3D生成モデルで、TRELLISのテキスト条件付きバージョンで、モデルサイズはXLです。このモデルは論文「Structured 3D Latents for Scalable and Versatile 3D Generation」に基づいて提案され、テキスト記述に基づいて高品質の3Dコンテンツを生成することができます。

これは精度の分野における最新の最先端モデルで、人工穀物インテリジェンスの実現に取り組んでおり、世界トップレベルの穀物栽培チームの支援を受けて大きな進展を遂げました。このモデルはQwen3 - 0.6Bアーキテクチャに基づいており、RX 9070 XTグラフィックカードとunslothツールを使用してローカルで全量微調整を行っています。

自然言語処理Safetensors英語

BERT-base-uncasedをベースに微調整された声明検出モデルで、与えられた文が検証に値する声明かどうかを効率的に判断でき、保険や詐欺検出などの分野で幅広く利用されます。

自然言語処理Transformers

Stable Diffusion XLをベースに、Inversion-DPO方法でUNetの重みを微調整し、直接嗜好最適化（DPO）技術と反転方法を組み合わせて、画像生成品質とアライメント度を向上させた拡散モデル

コンピュータビジョンDiffusers

DreamOmni2-GGUFは、xiabs/DreamOmni2-7.6BモデルをGGUF形式に変換した画像から画像へのモデルで、マルチモーダル命令編集と生成をサポートし、Apache-2.0ライセンスに準拠しています。

マルチモーダルGguf

これはStable Diffusion XLベースモデル1.0に基づくLoRA適合ウェイトで、特定のスタイルに合わせて微調整され、特定のアートスタイルの画像生成に使用できます。

コンピュータビジョンDiffusers

xLSTM-7b-Instructは、NX - AI/xLSTM-7bに基づく実験的な微調整バージョンで、指令遵守タスクに特化して最適化されています。このモデルにはチャットテンプレートのサポートが追加され、TRLを使用して教師付き微調整トレーニングが行われ、より良い会話体験を提供することを目的としています。

自然言語処理Transformers

XL-Sat-IORはStable DiffusionとStable Diffusion XLアーキテクチャに基づくテキストから画像への生成モデルで、高度なリアリティ、豊かな色彩、映画的な質感、精細な細部、優れた光と影、生き生きとした表情を持つ画像を生成することができます。

コンピュータビジョンDiffusers英語

これはStable DiffusionとStable Diffusion XL技術に基づくテキストから画像への生成モデルで、人物の肖像、テクスチャ、肌の表現を特別に最適化し、リアルで自然な画像を生成できます。

コンピュータビジョンDiffusers英語

これはStable Diffusion XLに基づくテキストから画像への生成モデルで、アジアスタイルの画像生成に特化して最適化されており、リアル感と美感を持つ画像作品を生成することができます。

コンピュータビジョンDiffusers英語

google/medgemma-4b-itをベースに微調整されたバージョンで、OMAMA 256×256データセットでの二元乳房X線画像分類に特化しています。このモデルはLoRA（低ランク適応）を使ってパラメータを効率的に調整し、乳がん分類タスクで優れた性能を発揮し、ベースモデルの12%から95%に精度が向上しました。

マルチモーダルTransformers英語

ohwx2_wan - loraは、テキストからビデオを生成するLoRAモデルで、AI Toolkitを使用してトレーニングされ、画像生成タスクに特化しています。特定のトリガーワード「ohwx girl」を使用して生成効果をアクティブにする必要があります。

マルチモーダルDiffusers

これはAI Toolkitを基に訓練されたLoRAモデルで、画像から動画への変換タスクに特化しています。モデルはQwen/Qwen-Imageベースモデルを基に訓練され、creativeml-openrail-mライセンスを使用しています。

マルチモーダルDiffusers

Illustrious-xl-early-release-v0は、Stable Diffusion XLアーキテクチャに基づくテキストから画像生成モデルで、アニメや2Dイラストスタイルに特化して最適化されており、テキスト記述に基づいて高品質な画像作品を生成することができます。

コンピュータビジョンDiffusers英語

XTTS v2 GGUFは、モバイルデバイス向けに最適化されたメモリ効率の良いテキスト読み上げシステムで、C++推論エンジンを採用し、超低メモリ使用と高速ロードを実現します。

音声処理Gguf多言語

X-Codec-2.0-25TPS-24kは、HKUSTAudio/xcodec2を改良した音声コーデックモデルで、毎秒の処理トランザクション数を50から25に低下させると同時に、出力サンプリングレートを24kHzに引き上げ、音声品質を維持しながら処理効率を最適化しています。

音声処理Transformers

Stable Diffusion XL Base 1.0をベースにした量子化バージョンで、SVDQuant技術を用いて4ビット量子化を実現し、高品質な画像生成能力を維持しながら推論効率を大幅に向上させます。

コンピュータビジョンDiffusers英語