NVIDIA 在 HuggingFace 上发布用于立体像对深度估计的模型 c-foundationstereo-s

NVIDIA 在 HuggingFace 上发布了模型 c-foundationstereo-s，任务为 depth-estimation。这就是 FoundationStereo——一款根据立体相机拍摄的一对 RGB 图像进行深度估计的模型，输出为视差图。开发者将其定位为面向工业、机器人技术和智能空间、具有强大 zero-shot 泛化能力的解决方案。

这意味着什么

最大的权重文件为 0.8 GB，格式为 ONNX，仓库总计 4.1 GB，此外还有 PTH 格式的权重。模型通过 TensorRT 运行。许可证为 NVIDIA Open Model License：允许商业使用，可以创建和分发衍生模型，但分发时必须附上许可证文本和注明署名的 Notice 文件。使用必须符合 NVIDIA 的 Trustworthy AI 条件，禁止绕过模型的技术限制和防护机制。 开发者未明确说明具体的显存要求，但主文件 0.8 GB 的体积以及面向 TensorRT 的定位表明，该模型面向在配备 NVIDIA GPU 的本地硬件上运行。可以在 CPU3D 动态中关注此类模型的出现。