/ Модель

Характеристики

Лицензия
MIT
Базовая модель
RS3DAda
Опубликована
29 сен 2026

altimap-height

Оценка глубиныИзображение → depth_map

Модель оценивает высоту над землёй и класс покрова для каждого пикселя одиночного аэро- или спутникового RGB-снимка.

0скачиваний за 30 дней0лайковвеса обновлены30 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AltiMap height — модель оценки высоты по одному RGB-снимку с воздуха или спутника, разработанная для проекта AltiMap в рамках Smart India Hackathon 2026. Для каждого пикселя она предсказывает высоту над землёй в метрах (nDSM) и класс земного покрова из восьми категорий. Архитектура RS3DAda сочетает энкодер DINOv2 ViT-L/14, декодер DPT и головы регрессии высоты и сегментации. Модель дообучена на GAMUS, а v2 дополнительно использует данные SynRS3D и настройки для снимков спутникового типа.

Модель предназначена для создания карт высот, геопривязанных GeoTIFF и 3D-моделей городов по аэро- и спутниковым изображениям. В тестах на GAMUS она улучшила оценки базовой RS3DAda для нескольких городов, однако на других изображениях может завышать высоту деревьев и поверхности. Очень высокие здания оцениваются ниже фактической высоты, а мелкие объекты теряют выраженность при разрешении около 5–10 м на пиксель. Данные обучения в основном охватывают города США, поэтому изображения Индии и другие области съёмки находятся вне обучающего домена. Лицензия — MIT.

Сценарии применения

  • создание пиксельных карт высот зданий и рельефа по аэрофотоснимкам
  • оценка высот объектов на спутниковых RGB-снимках
  • подготовка nDSM-карт для геоинформационных систем
  • создание входных данных для 3D-моделей городов
  • классификация земного покрова на картах высот

Ограничения

На изображениях вне обучающего домена модель может ошибаться: например, завышать высоту деревьев и занижать высоту высоких башен. Детали объектов теряются при разрешении около 5–10 м на пиксель; предсказанная высота дана относительно земли, а для абсолютной высоты нужна модель рельефа.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AltiMap height model

Single-image height estimation for aerial and satellite RGB imagery: for every pixel, the height above ground in metres (nDSM) plus an 8-class land-cover map. Built for Smart India Hackathon 2026, problem statement 26175 (ISRO, "DepthWizard"), as the model behind AltiMap, which turns one image into metric elevation GeoTIFFs and a 3D city model. Setup and usage: the repo's SETUP.md.

Model

  • Architecture: RS3DAda: DINOv2 ViT-L/14 encoder + DPT decoder with a height-regression head and a segmentation head (SynRS3D, NeurIPS 2024). Needs the model code from JTRNEO/SynRS3D.
  • Starting point: the authors' RS3DAda height weights.
  • Fine-tuning (best.pth, v1): on GAMUS (0.33 m aerial RGB with airborne-LiDAR nDSM and land-cover labels over Washington DC, Philadelphia and New York), BitFit (encoder biases) + decoder and heads, loss L1 + 0.5 x gradient L1 + 0.2 x cross-entropy, 518 px crops, bf16.
  • v2 (v2/best.pth): continues from v1 with the last 8 encoder blocks unfrozen, a height-weighted L1 (a pixel at h metres counts 1 + h/10 times), 30 % SynRS3D samples (high-rises, hills) and 50 % satellite-style degradation (1.3–6× coarser, blur, haze). 6.5 h on an RTX A5000, best checkpoint at step 25,500.

Results (GAMUS test split, 500 tiles, 4-flip test-time averaging)

CityRMSE (m) v1RMSE (m) v2RMSE (m) zero-shot RS3DAdaPearson r (v1 / v2)Building RMSE (m) (v1 / v2)
Washington DC3.953.8610.080.915 / 0.9214.51 / 4.45
New York3.954.097.170.855 / 0.8593.20 / 2.95
Philadelphia5.905.026.280.822 / 0.86310.04 / 8.04
All5.024.557.250.833 / 0.8648.28 / 6.74

How AltiMap uses them

v2 wins on GAMUS but generalises worse to other imagery: against USGS airborne LiDAR on NAIP scenes it over-reads trees and ground. On buildings, though, it is right where v1 isn't. So the app combines three models by land cover:

  • v1 gives heights everywhere.
  • Building pixels take the mean of v1 and v2. Building RMSE: city 44.5 → 41.9 m, hills 5.2 → 4.4 m, GAMUS val 2.57 → 2.40 m. The city's tallest objects rise from 66 to 104 m (LiDAR 151 m).
  • Tree pixels in extensive forest (≥ 80 % canopy within 150 m) come from Meta's CHMv2 canopy model.

Limitations (measured, not guessed)

  • Out of domain, by landscape (NAIP aerial RGB vs USGS 3DEP airborne LiDAR, one pass, the app's three-model pipeline; v1 alone in brackets). Absolute DSM = these heights on Copernicus GLO-30, DEM-consistent:

    ScenenDSM RMSE (predict 0)nDSM biasDSM RMSE (GLO-30 alone)
    Dense city (0.3 m)30.1 m (42.4) [29.8]−1.2 m [−6.8]35.0 m (36.3) [34.7]
    Suburb (0.6 m)4.5 m (6.5) [4.5]+1.4 m [+1.3]3.97 m (4.02) [3.99]
    Hilly town (0.6 m)3.5 m (6.5) [3.7]−0.4 m [−0.7]5.02 m (5.53) [5.04]
    Forest (0.6 m)15.7 m (24.7) [18.5]−10.8 m [−15.9]8.75 m (8.53) [9.03]

    Very tall towers still read low (104 m vs 151 m), and forest canopy reads ~11 m low. Object heights hold up to ~1–2 m pixels and fade to flat by 5–10 m. ISRO's evaluation imagery is 0.6 m Cartosat-2S over India, outside the training domain (aerial imagery of US cities).

  • Heights are above ground. Absolute elevation needs a terrain model; AltiMap adds Copernicus GLO-30 ground for georeferenced inputs.

Usage

from huggingface_hub import hf_hub_download
ckpt = hf_hub_download("Dilavesh/altimap-height", "best.pth")  # public, no login needed

# with the AltiMap repo checked out and SynRS3D cloned into viewer/cache/SynRS3D:
from pathlib import Path
from viewer.height_model import load_model, predict
model, device = load_model(Path(ckpt), Path("viewer/cache/SynRS3D"))
ndsm_m, oem_classes = predict(model, rgb_uint8_hxwx3, device, tta=True)  # input at ~0.33 m/px

code/ holds the training and data scripts used for these weights.

License and attribution

Weights: MIT, like the RS3DAda base model. Please credit:

  • RS3DAda / SynRS3D: Song et al., SynRS3D: A Synthetic Dataset for Global 3D Semantic Understanding from Monocular Remote Sensing Imagery, NeurIPS 2024 (code and base weights MIT).
  • GAMUS (CC BY 4.0): GAMUS: A Geometry-aware Multi-modal Semantic Segmentation Benchmark for Remote Sensing Data, arXiv:2305.14914.
  • DINOv2 (Apache 2.0), Oquab et al., Meta AI.

The v2 weights were also trained on SynRS3D data, which is CC BY-NC 4.0: treat v2 as non-commercial.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
d9c715f

0 моделей