Zero-shot Monocular Scene Flow (ZeroMSF)
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- NVIDIA,Brown University
- Organisatietype
- Industry,Academia
- Land
- United States of America
- Gepubliceerd
- 20 January 2025
- Auteurs
- Yiqing Liang, Abhishek Badki, Hang Su, James Tompkin, Orazio Gallo
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- 3D modeling, Driving
- Taak
- 3D reconstruction, Self-driving car
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- Training gegevens
- tokens
- Epochs
- 50
"1M annotated training samples across diverse synthetic scenes"
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Training rekenen
- 3.2 × 10¹⁹ FLOP
- Hoe het werd opgericht
- Hardware
312000000000000 FLOP / GPU / sec * 8 GPUs * 12 hours * 3600 sec / hour * 0.3 [assumed utilization] = 3.234816e+19 FLOP
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA A100
- Gebruikte chips
- 8
- Kloktijd
- 12 hours
- Stroomverbruik
- 6.3 kW
"All experiments are trained with 8 NVIDIA A100 GPUs for 50 epochs, which take 12 hours."
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Toegang tot model
- Unreleased
- Training code
- Unreleased
"Code coming!" [July 2025 - still no release]
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Record vertrouwen
- Confident
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Zero-Shot Monocular Scene Flow Estimation in the Wild
- Laatst bijgewerkt
- 11 February 2026
Wat de cijfers betekenen
Achtergrond
Zero-shot Monocular Scene Flow (ZeroMSF) werd gepubliceerd door NVIDIA,Brown University, in het land geregistreerd als United States of America, tijdens January 2025. Het komt uit een organisatie gecategoriseerd als industry,Academia.
Het werkt in het domein van 3D modeling, Driving, en wordt geregistreerd als het uitvoeren van de taak van 3D reconstruction, Self-driving car.
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Wat erin ging zitten om het te bouwen
De training run verbruikte ongeveer 3.2 × 10¹⁹ FLOP, op hardware vastgelegd als NVIDIA A100. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Antwoorden
Zero-shot Monocular Scene Flow (ZeroMSF) — veelgestelde vragen
Zero-shot Monocular Scene Flow (ZeroMSF)— wanneer is het uitgebracht?
Het werd gepubliceerd in January 2025.
Zero-shot Monocular Scene Flow (ZeroMSF)— waarvoor wordt het gebruikt?
Het werkt in het domein van 3D modeling, Driving, en wordt geregistreerd als het afhandelen van 3D reconstruction, Self-driving car. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.
Zero-shot Monocular Scene Flow (ZeroMSF)— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 3.2 × 10¹⁹ FLOP, op hardware vastgelegd als NVIDIA A100. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
Zero-shot Monocular Scene Flow (ZeroMSF)— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
Zero-shot Monocular Scene Flow (ZeroMSF)— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
Zero-shot Monocular Scene Flow (ZeroMSF)— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
Zero-shot Monocular Scene Flow (ZeroMSF)— wie heeft het gemaakt?
Het werd gepubliceerd door NVIDIA,Brown University, gebaseerd op United States of America, een organisatie geclassificeerd als industry,Academia.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.