/ Модель

Характеристики

Размер весов
1,5 ГБ
Лицензия
MIT
Архитектура
moge3 · dense
Библиотека
mlx
Опубликована
2 сен 2026

moge-3-vitl-mlx-fp32

Оценка глубиныИзображение → depth_map3 профессии

Порт MoGe-3 для MLX оценивает глубину и геометрию сцены, включая карты точек и нормалей, по одному изображению.

272скачиваний за 30 дней1лайквеса обновлены2 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

MoGe-3 (VITL) — порт модели MoGe-3 для MLX, опубликованный сообществом mlx-community. Он оценивает геометрию сцены по одному изображению: строит метрическую карту точек, карту глубины, карту нормалей, маску валидных пикселей и параметры камеры. Модель основана на архитектуре MoGe-3 с визуальным энкодером ViT-L; веса fp32 преобразованы из официального чекпойнта model.pt для использования через MLX.

Модель предназначена для восстановления структуры сцены на изображениях и может применяться в задачах компьютерного зрения и 3D-реконструкции. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. Данных о качестве на разных типах изображений в карточке нет.

Сценарии применения

  • оценка глубины сцены по фотографии
  • получение метрической карты точек из изображения
  • восстановление нормалей поверхности по изображению
  • оценка параметров камеры по одиночному кадру
  • создание маски валидных пикселей для карты глубины

Ограничения

Модель принимает одно изображение и оценивает геометрию по нему; характеристики качества и ограничения для отдельных типов сцен в карточке не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MoGe-3 (VITL) — MLX

MLX port of MoGe-3: fine-detail monocular geometry estimation with self-guided sparse volumetric refinement. Predicts metric point maps, depth maps, normal maps, valid-pixel masks, and camera intrinsics from a single image.

Converted with mlx-vlm from the official model.pt checkpoint (fp32).

Usage

from mlx_vlm import load
from mlx_vlm.models.moge3.generate import MoGe3Predictor, read_image

model, processor = load("mlx-community/moge-3-vitl-mlx-fp32")
predictor = MoGe3Predictor(model, processor)
output = predictor.infer(read_image("image.jpg"), resolution_level=9)
points, depth, mask = output["points"], output["depth"], output["mask"]
normal, intrinsics = output["normal"], output["intrinsics"]

Validated against the torch reference (CPU, fp32): identical valid-pixel masks and <0.2% median relative depth error.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
f5ceca7

0 моделей