Stable Video 3D (SV3D)
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle sont open, mais aucun compte de paramètres n'a été publié pour celui-ci. Chaque chiffre de mémoire et de vitesse commence à partir de ce nombre, donc nous préférerions ne rien montrer plutôt qu'une estimation fabriquée..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Stability AI
- Type d'organisation
- Industry
- Pays
- United Kingdom of Great Britain and Northern Ireland
- Publié
- 18 March 2024
- Auteurs
- Vikram Voleti, Chun-Han Yao, Mark Boss, Adam Letts, David Pankratz, Dmitry Tochilkin, Christian Laforte, Robin Rombach, Varun Jampani
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Vision, 3D modeling
- Tâche
- 3D reconstruction
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- Données d'entraînement
- tokens
"All three models (SV3Du, SV3Dc, SV3Dp) are trained for 105k iterations in total (SV3Dp is trained unconditionally for 55k iterations and conditionally for 50k iterations), with an effective batch size of 64 on 4 nodes of 8 80GB A100 GPUs for around 6 days."
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 5.2 × 10²⁰ FLOP
- Comment cela a été établi
- Hardware
4 nodes * 8 GPUs * 144 hours * 3600 sec / hour * 312000000000000 FLOP / GPU / hour * 0.3 [assumed utilization] / 3 models = 5.1757056e+20 FLOP
L'exécution de formation
Ce qu'il a physiquement fallu pour entraîner : quels chips, combien, pendant combien de temps, et ce que cela a tiré du secteur.
- Matériel d'entraînement
- NVIDIA A100 SXM4 80 GB
- Chips utilisés
- 32
- Temps en temps réel
- 144 hours
- Consommation d'énergie
- 25.3 kW
"on 4 nodes of 8 80GB A100 GPUs for around 6 days." 6*24 = 144 hours
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Open — downloadable
- Accès au modèle
- Open weights (non-commercial)
- Code d'entraînement
- Unreleased
- Hugging Face
- stabilityai
License: Stability AI Community License. NC https://huggingface.co/stabilityai/sv3d
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Confident
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- SV3D: Novel Multi-view Synthesis and 3D Generation from a Single Image using Latent Video Diffusion
- Dernière mise à jour
- 11 February 2026
Ce que les chiffres signifient
D'où cela vient-il
Stable Video 3D (SV3D) a été publié par Stability AI, dans le pays enregistré comme United Kingdom of Great Britain and Northern Ireland, durant March 2024. Cela provient d'une organisation classée comme industry.
Il fonctionne dans le domaine de Vision, 3D modeling, et est enregistré comme exécutant la tâche de 3D reconstruction.
Parce que ses poids ont été publiés, rien sur son exécution ne dépend d'un fournisseur restant disponible — il est à vous une fois téléchargé. Sur Hugging Face, il est publié sous l'organisation stabilityai.
Entraînement et provenance
L'entraînement a nécessité un budget de calcul d'environ 5.2 × 10²⁰ FLOP, sur matériel enregistré comme NVIDIA A100 SXM4 80 GB. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Réponses
Stable Video 3D (SV3D) — questions courantes
Stable Video 3D (SV3D)— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 5.2 × 10²⁰ FLOP, sur matériel enregistré comme NVIDIA A100 SXM4 80 GB. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
Stable Video 3D (SV3D)— Quelle GPU ai-je besoin pour l'exécuter ?
Nous ne pouvons pas dire. Il a des poids ouverts, mais aucun compte de paramètres n'a été publié pour cela, et chaque calcul de mémoire et de vitesse part de ce nombre. Nous préférerions ne rien montrer plutôt qu'une estimation fabriquée.
Stable Video 3D (SV3D)— est-ce que c'est open source ?
Ses poids sont publiés, donc il peut être téléchargé et exécuté sur votre propre matériel. Notez que les poids ouverts ne sont pas la même chose que l'open source au sens plein — cela ne dit rien sur les données d'entraînement, le code d'entraînement ou les conditions commerciales attachées.
Stable Video 3D (SV3D)— combien de paramètres cela a-t-il ?
Aucun nombre de paramètres n'a été publié pour cela, c'est pourquoi aucun chiffre de mémoire ou de vitesse n'apparaît sur cette page.
Stable Video 3D (SV3D)— qui l'a créé ?
Il a été publié par Stability AI, basé sur United Kingdom of Great Britain and Northern Ireland, une organisation catégorisée comme industry.
Stable Video 3D (SV3D)— quand a-t-il été publié ?
Il a été publié dans March 2024. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
Stable Video 3D (SV3D)— à quoi ça sert ?
Il fonctionne dans le domaine de Vision, 3D modeling, et est enregistré comme gérant la tâche de 3D reconstruction. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
Stable Video 3D (SV3D)— où puis-je le télécharger ?
Ses poids sont publiés sur Hugging Face, sous l'organisation stabilityai. Nous n'hébergeons pas de fichiers de modèle — ce site calcule le matériel nécessaire pour les faire fonctionner.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.