Photo-Geometric Autoencoder
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti tohoto modelu jsou otevřené, ale žádný počet parametrů pro něj nebyl zveřejněn. Každé číslo týkající se paměti a rychlosti vychází z této hodnoty, takže bychom raději nic neukázali, než fabrikaovaný odhad..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- University of Oxford
- Typ organizace
- Academia
- Země
- United Kingdom of Great Britain and Northern Ireland
- Publikováno
- 25 November 2019
- Autoři
- Shangzhe Wu, Christian Rupprecht, Andrea Vedaldi
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- 3D modeling, Vision
- Úkol
- 3D reconstruction
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- 819,200,000 tokens
- Epochy
- 30
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Open — downloadable
- Přístup k modelu
- Open weights (unrestricted)
- Tréninkový kód
- Open source
MIT license: https://github.com/elliottwu/unsup3d
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Proč je to sledováno
- SOTA improvement
- Záznam důvěry
- Unknown
- Citace
- 338
"Our model outperforms a current state-of-the-art 3D reconstruction method that uses 2D keypoint supervision" They don't claim absolute SOTA, only SOTA among unsupervised methods
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Unsupervised Learning of Probably Symmetric Deformable 3D Objects From Images in the Wild
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
O tomto modelu
Photo-Geometric Autoencoder byl zveřejněn University of Oxford, v zemi zaznamenané jako United Kingdom of Great Britain and Northern Ireland, během November 2019. Kategorie, do které vydavatel spadá, je academia.
funguje v oblasti 3D modeling, Vision, a je zaznamenán jako vykonávající úkol 3D reconstruction.
Otevřené váhy jsou to, co dává této stránce místo v kalkulátoru spíše než pouze v katalogu: je to model, který můžeš skutečně držet.
Co bylo zapotřebí k jeho vybudování
Trénink spotřeboval korpus kolem 819,200,000 tokeny textu
Je sledováno v základním datasetu z jednoho konkrétního důvodu: sOTA improvement.
Odpovědi
Photo-Geometric Autoencoder — běžné otázky
Photo-Geometric Autoencoder— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
Photo-Geometric Autoencoder— Kdo to vytvořil?
Bylo to publikováno společností University of Oxford, zakládající se na United Kingdom of Great Britain and Northern Ireland, organizace zařazená jako academia.
Photo-Geometric Autoencoder— Kdy byl vydán?
Bylo to zveřejněno v November 2019. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Photo-Geometric Autoencoder— K čemu se to používá?
funguje v oblasti 3D modeling, Vision, a je zaznamenáno jako zpracovávající úkol 3D reconstruction. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
Photo-Geometric Autoencoder— kde si to mohu stáhnout?
Váhy jsou zveřejněny, i když nemáme odkaz na repozitář. Tato stránka vypočítává hardwarové požadavky spíše než aby hostila modelové soubory.
Photo-Geometric Autoencoder— Jakou GPU potřebuji k jejímu spuštění?
Nemůžeme říct. Má otevřené váhy, ale žádný počet parametrů pro něj nebyl zveřejněn a každý výpočet paměti a rychlosti začíná od toho čísla. Raději bychom ukázali nic než vykonstruovaný odhad.
Photo-Geometric Autoencoder— Je to OPEN SOURCE?
Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.