Какая модель генерации подписей к изображениям лучше всего подходит для индустрии для взрослых?

Пользователь ищет оптимальную модель для создания датасетов с описаниями изображений в нише для взрослых, отметив недостатки Qwen3.6-VL и JoyCaption в распознавании специфических концепций. Автор поста рассматривает возможность дообучения (fine-tuning) существующей модели на собственном наборе данных для повышения точности.