ViTPose

MultimodālsNav pieejams
no CommunityModeļa ID: vitpose

ViTPose plain-vision-transformer pose estimator. State-of-the-art keypoint accuracy on MS-COCO with a minimal architecture.

Statuss
Nav pieejams
Ievade → Izvade
Teksts + Attēls → Teksts
Izstrādātājs
Community
Atjaunināts
2026. gada 25. jūnijs

ViTPose pašlaik nav pieejams

Pašlaik nav pieejams: šis modelis ir deaktivizēts.

Jūs joprojām varat lasīt detaļas šajā lapā. Izvēlieties vienu no pieejamajām alternatīvām zemāk, lai uzreiz palaistu salīdzināmu modeli.

Uz alternatīvām
01

Salīdzināmi modeļi

Visi šajā kategorijā
  • BLIPSalesforce

    Salesforce BLIP. Vision-language model for image captioning and visual question answering. Given an image it writes a short natural-language caption, or answers a question about the image when one is supplied. A widely used baseline for automatic captioning.

    ≈ 0,00030 $/palaidi

  • Anthropic's April 2026 flagship. 87.6% on SWE-bench Verified, 3x higher image resolution, output self-verification, vision + reasoning.

    6,00 $/1M ievade

  • Anthropic's balanced mid-tier model from February 2026. Best price/performance for production workloads: 5x cheaper than Opus, near-flagship quality.

    3,60 $/1M ievade

02

Spēļu laukums

Izmēģiniet ViTPose

Nav ievades formas

Pašlaik nav pieejams

Pašlaik nav pieejams: šis modelis ir deaktivizēts.

Spēļu laukums ir atspējots. Salīdzināmus modeļus varat atrast vienā kategorijā: Skatīt alternatīvas

03

Par ViTPose

ĪsumāUz 2026. gada 25. jūnijs

ViTPose ir Community modelis kategorijā Multimodāls. ViTPose pašlaik nav pieejams Railwail platformā.

04

Cenas

Pašlaik nav pieejams: šis modelis ir deaktivizēts. Šim modelim pašlaik nav cenas, tāpēc to nevar palaist.

05

API

Izsauciet ViTPose ar savu Railwail API atslēgu. Izmantojiet šo modeļa ID pieprasījumā:

Nav pārbaudīta API piemēra

Publiskā API nodod citu ievades formātu, nekā nepieciešams šim modelim. Izmantojiet smilšu kasti iepriekš.

06

Specifikācijas

Modeļa ID
vitpose
Izstrādātājs
Community
Kategorija
Multimodāls
Ievade
Teksts, Attēls
Izvade
Teksts
Kataloga ieraksts atjaunināts
2026. gada 25. jūnijs

Tagi

  • replicate
  • pose
  • vision-understanding
  • transformer
  • open-source
07

Bieži uzdotie jautājumi

Kas ir ViTPose?

ViTPose ir Community izstrādāts modelis Multimodāls kategorijā. Tas ir uzskaitīts Railwail katalogā, bet pašlaik to nevar palaist.

Cik maksā ViTPose Railwail?

ViTPose pašlaik nevar tikt palaists Railwail, tāpēc nav pašreizējās cenas. Pieejamās alternatīvas ar cenām ir norādītas tālāk šajā lapā.

Cik ātrs ir ViTPose?

Railwail platformā ViTPose vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.

Vai ViTPose ir labāks par BLIP?

Tas ir atkarīgs no uzdevuma. ViTPose (Community) un BLIP (Salesforce) ir abi modeļi Multimodāls kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.

Salīdzināt ViTPose un BLIP

Vai ViTPose var apstrādāt attēlus?

Jā. ViTPose pieņem attēlus kā ievadi papildus tekstam.

Vai es varu izmantot ViTPose tieši tagad?

Pašlaik nav pieejams: šis modelis ir deaktivizēts. Lapa paliek tiešsaistē; pieejamās alternatīvas no vienas kategorijas ir norādītas tālāk.

Visi modeļi caur vienu API

Viena API atslēga visiem Railwail modeļiem. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem, 1 kredīts = 0,01 $.