NVIDIA выложила на HuggingFace модель c-foundationstereo-s для оценки глубины по стереопаре

NVIDIA опубликовала на HuggingFace модель c-foundationstereo-s с задачей depth-estimation. Это FoundationStereo — модель для оценки глубины по паре RGB-изображений со стереокамеры, на выходе она даёт карту диспаратности. Разработчик позиционирует её как решение с сильной zero-shot генерализацией для промышленности, робототехники и умных пространств.

Что это значит

Самый большой файл весов — 0.8 ГБ в формате ONNX, всего в репозитории 4.1 ГБ, есть также веса в формате PTH. Запускается модель через TensorRT. Лицензия — NVIDIA Open Model License: коммерческое использование разрешено, можно создавать и распространять производные модели, но при распространении нужно приложить текст лицензии и файл Notice с указанием авторства. Использование должно соответствовать условиям Trustworthy AI от NVIDIA, обходить технические ограничения и защитные механизмы модели запрещено. Точные требования к видеопамяти разработчик не уточняет, но вес основного файла в 0.8 ГБ и ориентация на TensorRT говорят о том, что модель рассчитана на запуск на локальном железе с GPU NVIDIA. Следить за появлением подобных моделей можно в ленте новостей CPU3D.