Zero-shot Monocular Scene Flow (ZeroMSF)
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
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
- NVIDIA,Brown University
- Typ organizacji
- Industry,Academia
- Kraj
- United States of America
- Opublikowany
- 20 January 2025
- Autorzy
- Yiqing Liang, Abhishek Badki, Hang Su, James Tompkin, Orazio Gallo
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- 3D modeling, Driving
- Zadanie
- 3D reconstruction, Self-driving car
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
- tokens
- Epoki
- 50
"1M annotated training samples across diverse synthetic scenes"
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 3.2 × 10¹⁹ FLOP
- Jak to zostało ustalone
- Hardware
312000000000000 FLOP / GPU / sec * 8 GPUs * 12 hours * 3600 sec / hour * 0.3 [assumed utilization] = 3.234816e+19 FLOP
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA A100
- Zastosowane chipy
- 8
- Czas rzeczywisty
- 12 hours
- Pobór mocy
- 6.3 kW
"All experiments are trained with 8 NVIDIA A100 GPUs for 50 epochs, which take 12 hours."
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
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Unreleased
"Code coming!" [July 2025 - still no release]
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Zero-Shot Monocular Scene Flow Estimation in the Wild
- Ostatnio zaktualizowane
- 11 February 2026
Co oznaczają liczby
Tło
Zero-shot Monocular Scene Flow (ZeroMSF) został opublikowany przez NVIDIA,Brown University, w kraju zapisanym jako United States of America, podczas January 2025. Wychodzi z organizacji zaklasyfikowanej jako industry,Academia.
Działa w dziedzinie 3D modeling, Driving, i jest zapisany jako wykonujący zadanie 3D reconstruction, Self-driving car.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Co poszło w budowę tego
Trening zajmował około 3.2 × 10¹⁹ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Odpowiedzi
Zero-shot Monocular Scene Flow (ZeroMSF) — częste pytania
Zero-shot Monocular Scene Flow (ZeroMSF)— kiedy to zostało wydane?
Zostało opublikowane w January 2025.
Zero-shot Monocular Scene Flow (ZeroMSF)— do czego to służy?
Działa w dziedzinie 3D modeling, Driving, i jest zarejestrowany jako realizujący zadanie 3D reconstruction, Self-driving car. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
Zero-shot Monocular Scene Flow (ZeroMSF)— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 3.2 × 10¹⁹ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
Zero-shot Monocular Scene Flow (ZeroMSF)— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
Zero-shot Monocular Scene Flow (ZeroMSF)— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Zero-shot Monocular Scene Flow (ZeroMSF)— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
Zero-shot Monocular Scene Flow (ZeroMSF)— kto to stworzył?
Zostało opublikowane przez NVIDIA,Brown University, oparty na United States of America, organizacja sklasyfikowana jako industry,Academia.
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.