Ich entwickle und stelle Computer Vision- und Vision Language-Modelle bereit

Verwandle deine visuellen Daten in produktionsbereite AI-Anwendungen. Ich spezialisiere mich auf traditionelle Computer Vision (Erkennung, Verfolgung, Segmentierung) sowie auf modernste Vision-Language-Modelle (VLMs) für multimodales Reasoning, OCR und Dokumentenverständnis.

Ob du Echtzeit-YOLO-Verfolgung brauchst oder ein fein abgestimmtes VLM als Low-Latency-API, ich liefere optimierte End-to-End-Lösungen.

Was ich anbiete:

• Vision-Language-Modelle (VLMs): Feinabstimmung und Bereitstellung von Qwen2.5-VL, Florence-2 und LLaVA für visuelle Q&A, Dokumenten-KI und Zero-Shot-Reasoning
• Echtzeit-Erkennung & Verfolgung: Custom YOLO (v10/v11), Detectron2 und OpenCV-Pipelines
• Segmentierung & OCR: Instanzsegmentierung (SAM) und komplexe Dokumententext-Extraktion
• VRAM- & Geschwindigkeitsoptimierung: Modellquantisierung (AWQ, GGUF), TensorRT-Konvertierung und vLLM/vLLM-vision-Bereitstellung
• Produktions-API & Deployment: FastAPI-Endpunkte, Dockerisierung und serverloses GPU-Hosting (RunPod, Modal, AWS, Hugging Face)

Unterstützte Frameworks & Modelle:

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

Bitte schreibe mir vor der Bestellung, um dein Dataset, VRAM-Budgets und Ziel-Latenzanforderungen zu besprechen!