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 画像
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 12
**EoMT (Encoder-only Mask Transformer)** is a Vision Transformer (ViT) architecture designed for high-quality and efficient image segmentation. It was introduced in the CVPR 2025 highlight paper: **Your ViT is Secretly an Image Segmentation Model** by Tommie Kerssies, Niccolò Cavagnero, Alexander Hermans, Narges Norouzi, Giuseppe Averta, Bastian Leibe, Gijs Dubbelman, and Daan de Geus. > **Key Insight**: Given sufficient scale and pretraining, a plain ViT along with additional few params can perform segmentation without the need for task-specific decoders or pixel fusion modules. The same model backbone supports semantic, instance, and panoptic segmentation with different post-processing 🤗
翻訳待ち・原文を表示
入力 画像→ 出力 画像
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。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 画像
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 ↗**EoMT (Encoder-only Mask Transformer)** is a Vision Transformer (ViT) architecture designed for high-quality and efficient image segmentation. It was introduced in the CVPR 2025 highlight paper: **Your ViT is Secretly an Image Segmentation Model** by Tommie Kerssies, Niccolò Cavagnero, Alexander Hermans, Narges Norouzi, Giuseppe Averta, Bastian Leibe, Gijs Dubbelman, and Daan de Geus. > **Key Insight**: Given sufficient scale and pretraining, a plain ViT along with additional few params can perform segmentation without the need for task-specific decoders or pixel fusion modules. The same model backbone supports semantic, instance, and panoptic segmentation with different post-processing 🤗
翻訳待ち・原文を表示
入力 画像→ 出力 画像
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 ↗coco_instance_eomt_large_640
tue-mps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 画像
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 ↗coco_panoptic_eomt_large_640
tue-mps**EoMT (Encoder-only Mask Transformer)** is a Vision Transformer (ViT) architecture designed for high-quality and efficient image segmentation. It was introduced in the CVPR 2025 highlight paper: **Your ViT is Secretly an Image Segmentation Model** by Tommie Kerssies, Niccolò Cavagnero, Alexander Hermans, Narges Norouzi, Giuseppe Averta, Bastian Leibe, Gijs Dubbelman, and Daan de Geus. > **Key Insight**: Given sufficient scale and pretraining, a plain ViT along with additional few params can perform segmentation without the need for task-specific decoders or pixel fusion modules. The same model backbone supports semantic, instance, and panoptic segmentation with different post-processing 🤗 The original implementation can be found in this repository.
翻訳待ち・原文を表示
入力 画像→ 出力 画像
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。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 画像
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 ↗This is the **large** variant of the EoMT-DINOv3 model trained for **semantic segmentation** on ADE20K at **512×512** resolution. **EoMT (Encoder-only Mask Transformer)** is a Vision Transformer (ViT) architecture designed for high-quality and efficient image segmentation. It was introduced in the CVPR 2025 highlight paper: **Your ViT is Secretly an Image Segmentation Model** > **Key Insight**: Given sufficient scale and pretraining, a plain ViT along with a few additional parameters can perform segmentation without the need for task-specific decoders or pixel fusion modules. The same model backbone supports semantic, instance, and panoptic segmentation with different post-processing.
翻訳待ち・原文を表示
入力 画像→ 出力 画像
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 画像
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 画像
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 ↗This is the **large** variant of the EoMT-DINOv3 model trained for **panoptic segmentation** on COCO at **640×640** resolution. **EoMT (Encoder-only Mask Transformer)** is a Vision Transformer (ViT) architecture designed for high-quality and efficient image segmentation. It was introduced in the CVPR 2025 highlight paper: **Your ViT is Secretly an Image Segmentation Model** > **Key Insight**: Given sufficient scale and pretraining, a plain ViT along with a few additional parameters can perform segmentation without the need for task-specific decoders or pixel fusion modules. The same model backbone supports semantic, instance, and panoptic segmentation with different post-processing.
翻訳待ち・原文を表示
入力 画像→ 出力 画像
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 ↗This repository contains the Hugging Face Transformers conversion of the official VidEoMT checkpoint `yt_2019_vit_small_52.8.pth` from tue-mps/VidEoMT. Use `processor.post_process_instance_segmentation`, `processor.post_process_panoptic_segmentation`, or `processor.post_process_semantic_segmentation` depending on the target task.
翻訳待ち・原文を表示
入力 画像→ 出力 画像
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。