/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
utonia
Опубликована
4 мар 2026

Utonia

Языковая модель

Utonia — самоконтролируемый point transformer для извлечения переносимых признаков из облаков точек разных доменов.

0скачиваний за 30 дней24лайкавеса обновлены19 мая 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

Utonia — универсальный энкодер облаков точек, представленный авторами исследования «Utonia: Toward One Encoder for All Point Clouds». Это самоконтролируемый point transformer, обученный формировать переносимые представления для облаков точек из разных источников: дистанционного зондирования, наружного LiDAR, внутренних RGB-D-сцен, CAD-объектов и облаков, восстановленных из обычного видео. Модель принимает координаты точек и может использовать цвет и нормали; если этих признаков нет, README рекомендует передавать нулевые значения.

Utonia предназначена для извлечения признаков и переноса на задачи 3D-восприятия, а также для использования представлений в робототехнике и мультимодальных системах. В README сообщается об улучшении манипуляций роботов при передаче признаков политикам vision-language-action и о пользе для пространственных рассуждений в vision-language моделях. Веса доступны в формате PyTorch; для вывода приведён упрощённый чекпойнт, а исходные веса предобучения можно оценивать через Pointcept. Лицензия — CC BY-NC 4.0, ограничивающая коммерческое использование.

Сценарии применения

  • извлечение признаков из облаков точек для 3D-восприятия
  • перенос обучения между LiDAR, RGB-D и CAD-облаками точек
  • получение пространственных признаков для управления манипуляциями робота
  • подготовка 3D-представлений для пространственных рассуждений мультимодальных моделей

Ограничения

Для отсутствующих цветовых признаков и нормалей требуется подавать нули. Лицензия CC BY-NC 4.0 не допускает коммерческого использования без отдельного разрешения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Utonia: Toward One Encoder for All Point Clouds

This repository contains the model weights for Utonia, a step toward one-from-all and one-for-all point cloud encoder presented in the paper Utonia: Toward One Encoder for All Point Clouds.

Models

The default model take [coord, color, normal] as input, which can deal with input without color and normal. If colors and normals are not available, please set them to zeros.

Model SizeChannelsDepthsHead nums
Utonia(54, 108, 216, 432, 576)(3, 3, 3, 12, 3)(3, 6, 12, 24, 32)

Abstract

We dream of a future where point clouds from all domains can come together to shape a single model that benefits them all. Toward this goal, we present Utonia, a first step toward training a single self-supervised point transformer encoder across diverse domains, spanning remote sensing, outdoor LiDAR, indoor RGB-D sequences, object-centric CAD models, and point clouds lifted from RGB-only videos. Despite their distinct sensing geometries, densities, and priors, Utonia learns a consistent representation space that transfers across domains. This unification improves perception capability while revealing intriguing emergent behaviors that arise only when domains are trained jointly. Beyond perception, we observe that Utonia representations can also benefit embodied and multimodal reasoning: conditioning vision-language-action policies on Utonia features improves robotic manipulation, and integrating them into vision-language models yields gains on spatial reasoning. We hope Utonia can serve as a step toward foundation models for sparse 3D data, and support downstream applications in AR/VR, robotics, and autonomous driving.

Usage

For detailed installation, data preparation, and testing instructions, please refer to the inference demo. The utonia.pth is the simplified version for inference, while pretrain-utonia-v1m1-0-base_stagev2.pth is the original weight from pretraining and can be evaluated in Pointcept.

Citation

If you find Utonia useful in your research, please cite the following papers:

@misc{pointcept2023,
    title={Pointcept: A Codebase for Point Cloud Perception Research},
    author={Pointcept Contributors},
    howpublished = {\url{https://github.com/Pointcept/Pointcept}},
    year={2023}
}

@misc{zhang2026utoniaencoderpointclouds,
      title={Utonia: Toward One Encoder for All Point Clouds}, 
      author={Yujia Zhang and Xiaoyang Wu and Yunhan Yang and Xianzhe Fan and Han Li and Yuechen Zhang and Zehao Huang and Naiyan Wang and Hengshuang Zhao},
      year={2026},
      eprint={2603.03283},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2603.03283}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · utonia

Нельзя запустить

Графовые модели пока не поддерживаются.

Ревизия весов
fb39b40

0 моделей