Zero-shot Monocular Scene Flow (ZeroMSF)
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- NVIDIA,Brown University
- Organisationsart
- Industry,Academia
- Land
- United States of America
- Veröffentlicht
- 20 January 2025
- Autoren
- Yiqing Liang, Abhishek Badki, Hang Su, James Tompkin, Orazio Gallo
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- 3D modeling, Driving
- Aufgabe
- 3D reconstruction, Self-driving car
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Trainingsdaten
- tokens
- Epochen
- 50
"1M annotated training samples across diverse synthetic scenes"
Training-Compute
Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.
- Training-Compute
- 3.2 × 10¹⁹ FLOP
- Wie es etabliert wurde
- Hardware
312000000000000 FLOP / GPU / sec * 8 GPUs * 12 hours * 3600 sec / hour * 0.3 [assumed utilization] = 3.234816e+19 FLOP
Der Trainingslauf
Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.
- Trainingshardware
- NVIDIA A100
- Verwendete Chips
- 8
- Wand-Uhrzeit
- 12 hours
- Stromverbrauch
- 6.3 kW
"All experiments are trained with 8 NVIDIA A100 GPUs for 50 epochs, which take 12 hours."
Verfügbarkeit
Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Training-Code
- Unreleased
"Code coming!" [July 2025 - still no release]
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Aufzeichnungsgenauigkeit
- Confident
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Zero-Shot Monocular Scene Flow Estimation in the Wild
- Zuletzt aktualisiert
- 11 February 2026
Was die Zahlen bedeuten
Hintergrund
Zero-shot Monocular Scene Flow (ZeroMSF) wurde veröffentlicht von NVIDIA,Brown University, im Land aufgezeichnet als United States of America, während January 2025. Es stammt aus einer Organisation, die kategorisiert ist als industry,Academia.
Es funktioniert im Bereich von 3D modeling, Driving, und wird als die Aufgabe von aufgezeichnet 3D reconstruction, Self-driving car.
Seine Gewichte wurden niemals veröffentlicht, daher kann es nur über seinen Anbieter erreicht werden. Keine Grafikkarten ändern das.
Was in den Aufbau geflossen ist
Der Trainingslauf verbrauchte etwa 3.2 × 10¹⁹ FLOP, auf Hardware erfasst als NVIDIA A100. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Antworten
Zero-shot Monocular Scene Flow (ZeroMSF) — Häufige Fragen
Zero-shot Monocular Scene Flow (ZeroMSF)— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in January 2025.
Zero-shot Monocular Scene Flow (ZeroMSF)— Wofür wird es verwendet?
Es funktioniert im Bereich von 3D modeling, Driving, und wird als Bewältigung der Aufgabe von 3D reconstruction, Self-driving car. Ein Modell kann mehrere von jedem tragen, daher sind dies die Bereiche, für die es gebaut wurde, anstatt eine Begrenzung dafür, was es versuchen wird.
Zero-shot Monocular Scene Flow (ZeroMSF)— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 3.2 × 10¹⁹ FLOP, auf Hardware erfasst als NVIDIA A100. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.
Zero-shot Monocular Scene Flow (ZeroMSF)— Welche GPU benötige ich, um es auszuführen?
Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.
Zero-shot Monocular Scene Flow (ZeroMSF)— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
Zero-shot Monocular Scene Flow (ZeroMSF)— Wie viele Parameter hat es?
Es wurden keine Parameteranzahlen veröffentlicht, weshalb keine Speicher- oder Geschwindigkeitsangaben auf dieser Seite erscheinen.
Zero-shot Monocular Scene Flow (ZeroMSF)— Wer hat es erstellt?
Es wurde veröffentlicht von NVIDIA,Brown University, basiert auf United States of America, eine als kategorisierte Organisation industry,Academia.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.