/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
libreyolo
Опубликована
9 сен 2026

Libre3DMOODt

Языковая модель

Libre3DMOODt — контрольная точка Swin-T для обнаружения объектов с открытым словарём, 3D-рамок и глубины по изображению с параметрами камеры.

0скачиваний за 30 дней0лайковвеса обновлены9 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

Libre3DMOODt — контрольная точка Swin-T для обнаружения объектов в 3D по изображению, опубликованная проектом LibreYOLO на основе модели 3D-MOOD лаборатории Computer Vision and Geometry Lab ETH Zurich. Она предназначена для инференса через API LibreYOLO detect3d: принимает изображение, обязательные внутренние параметры камеры и текстовые категории объектов, а выдаёт 3D-рамки и оценку глубины. Модель поддерживает обнаружение объектов с открытым словарём; интеграция работает через отдельную среду выполнения 3D-MOOD и переносимый путь внимания PyTorch.

Веса и исходная сериализация не изменены: файл лишь переименован. Это конверсия/переупаковка исходной контрольной точки, а не дообучение. Лицензия — Apache-2.0. Заявления о точности соответствуют исходному проекту; интеграционные проверки LibreYOLO охватывают совместимость среды выполнения и отображение выходов.

Сценарии применения

  • обнаружение стульев и столов на изображении в 3D
  • оценка положения и размеров объектов по монокулярному изображению
  • получение карты глубины сцены
  • поиск объектов по заданным текстовым категориям
  • инференс 3D-MOOD через API LibreYOLO detect3d

Ограничения

Для инференса обязательны внутренние параметры камеры и отдельная среда выполнения 3D-MOOD. Точность зависит от исходного проекта; README сообщает о проверках совместимости интеграции, но не приводит собственных оценок качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Libre3DMOODt

The official 3D-MOOD Swin-T checkpoint, exposed through LibreYOLO's detect3d API.

Source

Derived from cvg/3D-MOOD at 41bb2904932d91507338e75ae4c802d67616ca1b. Copyright 2025 Computer Vision and Geometry Lab, ETH Zurich. Licensed under Apache-2.0.

The source checkpoint is gdino3d_swin-t_120e_omni3d_699f69.pt from the official model repository at revision 3d1fab552189f1a62fdb60ebb606d20625a30b90, which declares Apache-2.0.

Modifications

The learned parameters and upstream serialization are unchanged. The file is renamed to Libre3DMOODt.pt for LibreYOLO's canonical size convention. SHA-256: 699f69454625d1fb3ad7d3669d8d662d52c349c99b2aba28da1215b8e7e4a555.

3D-MOOD runs through a separately installed upstream runtime. LibreYOLO does not use the undeclared-license vis4d_cuda_ops extension; its adapter selects a permissively licensed portable PyTorch attention path.

Use

import numpy as np
from libreyolo import Libre3DMOOD

model = Libre3DMOOD(
    size="t",
    runtime_path="/path/to/3D-MOOD",
    runtime_python="/path/to/3D-MOOD/.venv/bin/python",
)
result = model("image.jpg", intrinsics=np.load("intrinsics.npy"), text=["chair", "table"])
print(result.boxes3d.xyz)
print(result.depth_map.mean)

The integration is inference-only. Camera intrinsics are required. Accuracy claims remain those of the upstream project; LibreYOLO's completed checks cover runtime parity and output mapping.

License

Apache License 2.0. See LICENSE and NOTICE.

Как запустить

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

GPU в ailist

Универсальный рантайм · libreyolo

Нельзя запустить

3D-генерация пока не поддерживается.

Ревизия весов
f1e163b

0 моделей