Zero-shot Monocular Scene Flow (ZeroMSF)
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- NVIDIA,Brown University
- Tipo di organizzazione
- Industry,Academia
- Paese
- United States of America
- Pubblicato
- 20 January 2025
- Autori
- Yiqing Liang, Abhishek Badki, Hang Su, James Tompkin, Orazio Gallo
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- 3D modeling, Driving
- Compito
- 3D reconstruction, Self-driving car
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- tokens
- Epoche
- 50
"1M annotated training samples across diverse synthetic scenes"
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 3.2 × 10¹⁹ FLOP
- Come è stato stabilito
- Hardware
312000000000000 FLOP / GPU / sec * 8 GPUs * 12 hours * 3600 sec / hour * 0.3 [assumed utilization] = 3.234816e+19 FLOP
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA A100
- Chip utilizzati
- 8
- Tempo di parete
- 12 hours
- Consumo energetico
- 6.3 kW
"All experiments are trained with 8 NVIDIA A100 GPUs for 50 epochs, which take 12 hours."
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
"Code coming!" [July 2025 - still no release]
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Zero-Shot Monocular Scene Flow Estimation in the Wild
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Sfondo
Zero-shot Monocular Scene Flow (ZeroMSF) è stato pubblicato da NVIDIA,Brown University, nel paese registrato come United States of America, durante January 2025. Esce da un'organizzazione categorizzata come industry,Academia.
Funziona nel dominio di 3D modeling, Driving, ed è registrato come eseguire il compito di 3D reconstruction, Self-driving car.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Cosa è stato necessario per costruirlo
Il run di addestramento ha consumato circa 3.2 × 10¹⁹ FLOP, su hardware registrato come NVIDIA A100. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
Zero-shot Monocular Scene Flow (ZeroMSF) — domande comuni
Zero-shot Monocular Scene Flow (ZeroMSF)— quando è stato rilasciato?
È stato pubblicato in January 2025.
Zero-shot Monocular Scene Flow (ZeroMSF)— A cosa serve?
Funziona nel dominio di 3D modeling, Driving, e viene registrato come gestire il compito di 3D reconstruction, Self-driving car. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
Zero-shot Monocular Scene Flow (ZeroMSF)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 3.2 × 10¹⁹ FLOP, su hardware registrato come NVIDIA A100. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
Zero-shot Monocular Scene Flow (ZeroMSF)— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
Zero-shot Monocular Scene Flow (ZeroMSF)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Zero-shot Monocular Scene Flow (ZeroMSF)— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
Zero-shot Monocular Scene Flow (ZeroMSF)— chi l'ha creato?
È stato pubblicato da NVIDIA,Brown University, basato su United States of America, un'organizzazione categorizzata come industry,Academia.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.