Photo-Geometric Autoencoder
Nincs becslés
Nincs hardver követelmény ennek a modellnek
Ez a modell súlyai nyilvánosak, de a paraméterszámokat nem tették közzé. Minden memória- és sebességszám ebből a számból indul, ezért inkább nem mutatunk semmit, mint egy hamisított becslést..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- University of Oxford
- Szervezet típusa
- Academia
- Ország
- United Kingdom of Great Britain and Northern Ireland
- Közölt
- 25 November 2019
- Szerzők
- Shangzhe Wu, Christian Rupprecht, Andrea Vedaldi
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- 3D modeling, Vision
- Feladat
- 3D reconstruction
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Képzési adatok
- 819,200,000 tokens
- Epochok
- 30
Elérhetőség
Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.
- Súlyok
- Open — downloadable
- Modell hozzáférés
- Open weights (unrestricted)
- Képzés kód
- Open source
MIT license: https://github.com/elliottwu/unsup3d
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- SOTA improvement
- Nyilvántartási bizalom
- Unknown
- Hivatkozások
- 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
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Unsupervised Learning of Probably Symmetric Deformable 3D Objects From Images in the Wild
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Erről a modelről
Photo-Geometric Autoencoder ki lett adva által University of Oxford, az országban rögzítve mint United Kingdom of Great Britain and Northern Ireland, alatt November 2019. A kiadó kategóriája alá tartozik academia.
Működik a területen a 3D modeling, Vision, és úgy van rögzítve, mint a feladat végrehajtása 3D reconstruction.
A nyílt súlyok az okai annak, hogy ez az oldal a kalkulátorban van, és nem csak a katalógusban: ez egy olyan modell, amit valójában meg tudsz tartani.
Mi került a felépítésébe
A képzés körülbelül egy korpuszt fogyasztott 819,200,000 szöveg tokenjei
Egy különös okból nyomon követik az alapul szolgáló adatbázisban: sOTA improvement.
Válaszok
Photo-Geometric Autoencoder — gyakori kérdések
Photo-Geometric Autoencoder— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
Photo-Geometric Autoencoder— Ki készítette ezt?
Kiadta University of Oxford, alapján United Kingdom of Great Britain and Northern Ireland, egy szervezet, amelyet kategorizáltak mint academia.
Photo-Geometric Autoencoder— Mikor adták ki?
Kibocsátották a November 2019. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Photo-Geometric Autoencoder— Mire használják?
Működik a területen a 3D modeling, Vision, és rögzítve van, hogy kezeli a feladatot 3D reconstruction. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
Photo-Geometric Autoencoder— Hol tudom letölteni?
A súlyok közzététele megtörtént, bár nem rendelkezünk tárolólinkkel erre. Ez az oldal a hardverkövetelményeket számítja ki, nem pedig modellfájlokat tárol.
Photo-Geometric Autoencoder— Milyen GPU-ra van szükségem, hogy futtathassam?
Nem tudjuk megmondani. Nyílt súlyai vannak, de a paraméterek számát nem tették közzé, és minden memória- és sebességszámítás ebből a számból indul. Inkább nem mutatunk semmit, mint egy hamisított becslést.
Photo-Geometric Autoencoder— Nyílt forráskódú?
Súlyai közzétételre kerültek, így letölthető és futtatható a saját hardvereden. Ne feledd, hogy az open weight nem azonos az open source teljes értelmében — nem mond semmit a tanulási adatokkal, a tanulási kóddal vagy a kereskedelmi feltételekkel kapcsolatban.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..