robbyant/lingbot-vision

⚡️ Robbyant выложили LingBot-Vision - self-supervised ViT-бэкбоны для плотного пространственного восприятия. Идея не в обычном “понимании картинки”, а в том, чтобы модель лучше видела: * границы объектов * формы * геометрию сцены * переходы между регионами * структуру пространства Флагманская версия - ViT-g/16 на 1.1B параметров . Также есть distilled-варианты: Large, Base и Small. https://github.com/robbyant/lingbot-vision