Zero-shot Monocular Scene Flow (ZeroMSF)
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- NVIDIA,Brown University
- Tipo de Organización
- Industry,Academia
- País
- United States of America
- Publicado
- 20 January 2025
- Autores
- Yiqing Liang, Abhishek Badki, Hang Su, James Tompkin, Orazio Gallo
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- 3D modeling, Driving
- Tarea
- 3D reconstruction, Self-driving car
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- tokens
- Épocas
- 50
"1M annotated training samples across diverse synthetic scenes"
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómputo de entrenamiento
- 3.2 × 10¹⁹ FLOP
- Cómo se estableció
- Hardware
312000000000000 FLOP / GPU / sec * 8 GPUs * 12 hours * 3600 sec / hour * 0.3 [assumed utilization] = 3.234816e+19 FLOP
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA A100
- Chips utilizados
- 8
- Tiempo de reloj
- 12 hours
- Consumo de energía
- 6.3 kW
"All experiments are trained with 8 NVIDIA A100 GPUs for 50 epochs, which take 12 hours."
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
"Code coming!" [July 2025 - still no release]
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Zero-Shot Monocular Scene Flow Estimation in the Wild
- Última actualización
- 11 February 2026
Qué significan los números
Fondo
Zero-shot Monocular Scene Flow (ZeroMSF) fue publicado por NVIDIA,Brown University, en el país registrado como United States of America, durante January 2025. Sale de una organización categorizada como industry,Academia.
Funciona en el dominio de 3D modeling, Driving, y se registra como realizando la tarea de 3D reconstruction, Self-driving car.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Qué se necesitó para construirlo
El entrenamiento consumió alrededor de 3.2 × 10¹⁹ FLOP, en hardware registrado como NVIDIA A100. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
Zero-shot Monocular Scene Flow (ZeroMSF) — preguntas comunes
Zero-shot Monocular Scene Flow (ZeroMSF)— ¿cuándo fue lanzado?
Se publicó en January 2025.
Zero-shot Monocular Scene Flow (ZeroMSF)— ¿Para qué se utiliza?
Funciona en el dominio de 3D modeling, Driving, y se registra como manejando la tarea de 3D reconstruction, Self-driving car. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
Zero-shot Monocular Scene Flow (ZeroMSF)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 3.2 × 10¹⁹ FLOP, en hardware registrado como NVIDIA A100. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
Zero-shot Monocular Scene Flow (ZeroMSF)— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
Zero-shot Monocular Scene Flow (ZeroMSF)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Zero-shot Monocular Scene Flow (ZeroMSF)— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
Zero-shot Monocular Scene Flow (ZeroMSF)— ¿Quién lo creó?
Fue publicado por NVIDIA,Brown University, basado en United States of America, una organización categorizada como industry,Academia.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.