Photo-Geometric Autoencoder
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi tego modelu są OPEN, ale nie opublikowano liczby parametrów. Każda figura dotycząca MEMORY i prędkości zaczyna się od tej liczby, więc wolelibyśmy nic nie pokazywać niż wymyśloną estymację..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- University of Oxford
- Typ organizacji
- Academia
- Kraj
- United Kingdom of Great Britain and Northern Ireland
- Opublikowany
- 25 November 2019
- Autorzy
- Shangzhe Wu, Christian Rupprecht, Andrea Vedaldi
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- 3D modeling, Vision
- Zadanie
- 3D reconstruction
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- 819,200,000 tokens
- Epoki
- 30
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Open — downloadable
- Dostęp do modelu
- Open weights (unrestricted)
- Kod treningowy
- Open source
MIT license: https://github.com/elliottwu/unsup3d
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- SOTA improvement
- Zapisz pewność
- Unknown
- Cytaty
- 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
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Unsupervised Learning of Probably Symmetric Deformable 3D Objects From Images in the Wild
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
O tym modelu
Photo-Geometric Autoencoder został opublikowany przez University of Oxford, w kraju zapisanym jako United Kingdom of Great Britain and Northern Ireland, podczas November 2019. Kategoria, do której należy wydawca, to academia.
Działa w dziedzinie 3D modeling, Vision, i jest zapisany jako wykonujący zadanie 3D reconstruction.
Otwarte wagi to powód, dla którego ta strona znajduje się w kalkulatorze, a nie tylko w katalogu: jest to model, który możesz faktycznie mieć.
Co poszło w budowę tego
Trening zużył korpus około 819,200,000 Tokeny tekstu.
Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: sOTA improvement.
Odpowiedzi
Photo-Geometric Autoencoder — częste pytania
Photo-Geometric Autoencoder— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
Photo-Geometric Autoencoder— kto to stworzył?
Zostało opublikowane przez University of Oxford, oparty na United Kingdom of Great Britain and Northern Ireland, organizacja sklasyfikowana jako academia.
Photo-Geometric Autoencoder— kiedy to zostało wydane?
Zostało opublikowane w November 2019. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Photo-Geometric Autoencoder— do czego to służy?
Działa w dziedzinie 3D modeling, Vision, i jest zarejestrowany jako realizujący zadanie 3D reconstruction. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
Photo-Geometric Autoencoder— Gdzie mogę to pobrać?
Wagi są opublikowane, chociaż nie posiadamy linku do repozytorium. Ta strona oblicza wymagania sprzętowe, a nie hostuje pliki modelu.
Photo-Geometric Autoencoder— Jaką GPU potrzebuję, aby ją uruchomić?
Nie możemy powiedzieć. Ma otwarte wagi, ale nie opublikowano liczby parametrów, a wszelkie obliczenia pamięci i prędkości zaczynają się od tej liczby. Wolimy nie pokazywać niczego niż fałszywą szacunkową wartość.
Photo-Geometric Autoencoder— czy jest open weight?
Jego wagi są opublikowane, więc można je pobrać i uruchomić na własnym sprzęcie. Zauważ, że OPEN WEIGHTS nie są tym samym co OPEN SOURCE w pełnym sensie — nie mówi nic o danych treningowych, kodzie treningowym, ani warunkach komercyjnych.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.