ai-image-detector-deploy
haywoodsloan基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗DISCOVER & COMPARE
AIモデルを探す 1529
ai-image-detector-dev-deploy
haywoodsloan基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗rev-ct
hcltech-robotics基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗resnet10
helper2424It's done in context of porting `HIL-SERL` paper code (https://hil-serl.github.io/) to `Lerobot` (https://github.com/Lerobot/lerobot). The HF doesn't have ResNet-10 model, which could be pretty usefult for robotics tasks because of it's small size. This model is converted from JAX to PyTorch, and the weights are preserved. This model is a PyTorch port of the original JAX implementation. The conversion maintains the original model's architecture and weights while making it accessible to PyTorch users. The original model is from https://github.com/rail-berkeley/hil-serl/blob/7d17d13560d85abffbd45facec17c4f9189c29c0/serl_launcher/serl_launcher/utils/train_utils.py#L103. This model was converted using an automated JAX to PyTorch conversion pipeline, ensuring: - Weight preservation - Architecture matching - Numerical stability
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗howest-hf-ai
Hiradinho基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗emotion_classification
hmrizal基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗birdclass-na
houlette基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Names a specimen crop at **subfamily, tribe, genus and species** for **400 bark and ambrosia beetle species** (115 genera, 26 tribes, 2 subfamilies), each level with a calibrated probability and a "known / unsure" decision, and reports the deepest level it is confident about: a species, "Genus sp. (species undetermined)", "Tribe (genus undetermined)", "Subfamily (tribe undetermined)" or "unrecognised". It is tuned to **avoid wrong names**: by default it stops at a coarser level rather than guess. The full species list is at the end of this card and in `species.csv`. Files: `model.safetensors` (weights), `deploy.safetensors` (kNN reference bank, validation score distributions), `config.json` (backbone, taxonomy, temperatures, thresholds, test report), `species.csv` (the 400 species), `calibration.md` (how the unknown check and thresholds were chosen). Classification of the benchmark's own species (top-1, no abstention): `iid_test` 650 scored specimens: subfamily 1.000, tribe 0.983, genus 0.922, species 0.838; all 5,017 `iid_test` specimens: genus 0.973, species 0.918; `inat_test` field photos: species 0.784.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Imager-1
Imagers**Imager-1** is an AI model designed to detect AI-generated images with high precision; it can detect DALL-E 2. We will soon launch **imager-1-small** and **imager-2**, which will be able to detect DALL-E 3 and other text-to-image models. This repository contains the **base model** of Imager-1, released for **developers and researchers** who want direct access to the architecture, weights, and training pipeline. Imager always publishes a **separately verified and production-ready version** of each model, tested against real-world generators before release. This base model is provided so the community can build on top of it, fine-tune it, or integrate it into their own systems.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗imager-1-pro
Imagers基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗skintelligent-acne
imfarzanansariThis model card provides documentation for the Acne Severity Detection model checkpoint used in the Hugging Face pipeline. The model is designed to assess acne severity levels, ranging from clear skin to very severe acne. This Acne Severity Detection model checkpoint is licensed under the MIT License. Please review and adhere to the license when using or modifying the code.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗skintelligent-wrinkles
imfarzanansariThis model card provides documentation for the Wrinkles Detection model checkpoint used in the Hugging Face pipeline. The model is designed to assess wrinkle / non-wrinkle. The checkpoint includes the following files: - `config.json`: Model configuration settings. - `model.safetensors`: Serialized model parameters and architecture. - `preprocessor_config.json`: Configuration file for the preprocessor. - `training_args.bin`: Binary file storing training arguments.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗pokemons-image-classifier-gen1-gen9
imzynoxprince基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗document-gate-keeper-v0.5
InceptiveA lightweight binary classifier that tells whether a **document region crop** is legible enough to be sent to an OCR model. It labels each crop `good` or `bad`. It is meant to sit between a layout detector and a (vision-language) OCR model. Crops are produced by a detector such as `Inceptive/PP-DocLayoutV3-ONNX`, and this model flags the ones that are too blurry, pixelated or compression-damaged. The pipeline can then skip those regions instead of running expensive inference on them, since unreadable regions are a common source of hallucinated OCR output. The previous release, `Inceptive/document-gate-keeper-v0`, stays available unchanged. **v0.5 expects different preprocessing**, so do not reuse v0's code (see Note for v0 users).
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗shieldgemma-2-4b-it-GGUF
infil00p基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗vit-frijol
inghggw基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Trash-Net
introvoyz045基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗vit-base-oxford-iiit-pets
ISxOdinThis model is a fine-tuned version of google/vit-base-patch16-224 on the pcuenq/oxford-pets dataset. It achieves the following results on the evaluation set: - Loss: 0.1924 - Accuracy: 0.9445 This model is a fine-tuned version of a pre-trained Vision Transformer (`google/vit-base-patch16-224`) for image classification on the Oxford-IIIT Pet Dataset. It uses transfer learning to adapt a generic vision model to identify 37 different cat and dog breeds. The model head is adjusted to output the number of classes in the dataset, and it is trained end-to-end using standard classification loss. **Intended Uses:** - Educational demos on transfer learning and fine-tuning vision models. - Pet breed classification in structured datasets similar to Oxford Pets. - Comparative analysis with zero-shot models like CLIP.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗breastcancer-ultrasound-ViT
ITSheep基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗genderage2
ivensamdh基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗potato-disease-convnext
ixrbhii基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗silva-aesthetic
JannchieScores an illustration by **one specific person's** taste — not a universal quality model, so it won't match anyone else's preferences. Output is a single number in `[0, 1]`; higher means more to this person's liking. **Only the head ships here (~7 MB), not an image model.** It runs on top of the frozen `google/siglip2-so400m-patch14-384` backbone, which `silva[backbone]` installs and loads for you. Already have `google/siglip2-so400m-patch14-384` embeddings? Skip the backbone and score them directly:
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗該当するモデルがありません
提供元・分類・入出力の条件を変更してください。新しいモデルを随時追加しています。
COST EXPLORER
モデル選びに、費用の視点も。
月間トークン数を調整してAPI費用を比較。
1 M = 100万トークン・米ドル
同一チャネルの基本テキスト料金を比較
同一チャネルの基本テキスト料金を比較
収集済みの比較可能な100万トークン当たり米ドル料金です。キャッシュ割引、段階料金、追加推論出力、税金は含みません。最新料金は出典で確認してください。
MODEL HANDBOOK
モデルを理解して選ぶ
API料金はどう比較しますか？+
入力・出力・キャッシュ料金を分け、同じ用途と使用量で総費用を比較します。画像・音声・動画は枚数、時間、解像度で課金される場合があります。
オープンウェイトは無料で商用利用できますか？+
必ずしもそうではありません。バージョンごとのライセンス、商用制限、ポリシーを確認してください。自前運用には計算資源と保守費用も必要です。
ランキング1位が最適ですか？+
順位はテスト、バージョン、評価方法によります。実際の業務データで精度、遅延、安定性、費用を比較してください。