Crearé y desplegaré modelos de visión por computadora y visión por lenguaje

Convierte tus datos visuales en aplicaciones de IA listas para producción. Me especializo en visión por computadora tradicional (detección, seguimiento, segmentación) así como en modelos de visión-lenguaje (VLMs) de última generación para razonamiento multimodal, OCR y comprensión de documentos.

Ya sea que necesites seguimiento en tiempo real con YOLO o un VLM ajustado como una API de baja latencia, entrego soluciones optimizadas de extremo a extremo.

Lo que ofrezco:

• Modelos de visión-lenguaje (VLMs): ajuste fino y servicio de Qwen2.5-VL, Florence-2 y LLaVA para preguntas visuales, IA de documentos y razonamiento zero-shot
• Detección y seguimiento en tiempo real: pipelines personalizados con YOLO (v10/v11), Detectron2 y OpenCV
• Segmentación y OCR: segmentación de instancias (SAM) y extracción avanzada de texto en documentos
• Optimización de VRAM y velocidad: cuantización de modelos (AWQ, GGUF), conversión a TensorRT y servicio vLLM/vLLM-vision
• API de producción y despliegue: endpoints con FastAPI, Dockerización y hosting sin servidor en GPU (RunPod, Modal, AWS, Hugging Face)

Frameworks y modelos soportados:

Qwen2.5-VL, Florence-2, YOLO, PyTorch, OpenCV, vLLM, Roboflow, FastAPI, Docker, CUDA/TensorRT.

Por favor, envíame un mensaje antes de ordenar para discutir tu dataset, presupuestos de VRAM y requisitos de latencia objetivo.