/ Модель

Характеристики

Опубликована
1 сен 2025

SAIL-Recon

Языковая модель

SAIL-Recon реконструирует сцены по изображениям, предсказывая параметры камер, глубину и координаты сцены для крупномасштабного Structure-from-Motion.

0скачиваний за 30 дней9лайковвеса обновлены5 сен 2025

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

SAIL-Recon — модель HKUST-SAIL для реконструкции трёхмерных сцен по изображениям. Это прямой Transformer, который расширяет регрессию нейронной сцены средствами визуальной локализации и ориентирован на крупномасштабные задачи Structure-from-Motion.

По нескольким опорным изображениям модель строит глобальное латентное представление сцены, кодирующее геометрию и внешний вид. На его основе она предсказывает позы и внутренние параметры камер, карты глубины и карты координат сцены для тысяч изображений за минуты, чтобы выполнять точную и устойчивую реконструкцию без итерационной оптимизации. В метаданных указан формат PyTorch. Сведения о лицензии и ограничениях применения в доступных материалах отсутствуют.

Сценарии применения

  • реконструкция 3D-сцены по набору фотографий
  • оценка поз камер для большого набора изображений
  • восстановление глубины по изображениям сцены
  • вычисление координат объектов сцены для Structure-from-Motion

Ограничения

Для применения требуются изображения одной сцены, включая несколько опорных видов. В доступных материалах не приведены сведения о лицензии и количественных оценках качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SAIL-Recon

Sail-Recon is a feed-forward Transformer that scales neural scene regression to large-scale Structure-from-Motion by augmenting it with visual localization. From a few anchor views, it constructs a global latent scene representation that encodes both geometry and appearance. Conditioned on this representation, the network directly regresses camera poses, intrinsics, depth maps, and scene coordinate maps for thousands of images in minutes, enabling precise and robust reconstruction without iterative optimization.

Model Details

Model Sources [optional]

Citation [optional]

BibTeX:

If you find this project useful in your research, please consider citing:

@article{dengli2025sail,
  title={SAIL-Recon: Large SfM by Augmenting Scene Regression with Localization},
  author={Deng, Junyuan and Li, Heng and Xie, Tao and Ren, Weiqiang and Zhang, Qian and Tan, Ping and Guo, Xiaoyang},
  journal={arXiv preprint arXiv:2508.17972},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

3D-генерация пока не поддерживается.

Ревизия весов
a1a19b8

0 моделей