/ Модель

Характеристики

Лицензия
MIT
Архитектура
moge3 · dense
Базовая модель
moge-3-vitl
Библиотека
mlx-vlm
Опубликована
2 окт 2026

moge-3-vitl-fp32

Оценка глубиныИзображение → depth_map3 профессии

Конвертированная для MLX модель MoGe-3 ViT-L извлекает карту глубины и другие геометрические характеристики сцены из фотографии.

21скачиваний за 30 дней0лайковвеса обновлены2 окт 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

nativ-community публикует конвертированную в формат MLX модель MoGe-3 ViT-L для оценки монокулярной геометрии по фотографии. Репозиторий содержит 607 тензоров в формате safetensors с точностью float32; модель основана на Ruicheng/moge-3-vitl и предназначена для запуска на Apple Silicon через mlx-vlm.

Модель принимает изображение и для него вычисляет карту глубины, нормали поверхности, маску валидных областей и матрицу внутренних параметров камеры. Это подходит для извлечения геометрии сцены из одиночного снимка. Веса распространяются по лицензии MIT. Конверсия меняет формат представления и выполнения модели для MLX; README не описывает отдельное дообучение.

Сценарии применения

  • оценка глубины по одиночной фотографии
  • получение карты нормалей поверхности на снимке
  • извлечение маски валидных пикселей глубины
  • оценка параметров камеры по изображению

Ограничения

Модель работает с одиночными изображениями и выдаёт геометрические оценки; точность может зависеть от содержимого снимка. Репозиторий предназначен для MLX на Apple Silicon.

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 ViT-L — MLX (fp32)

Microsoft's MoGe-3 monocular geometry model converted to MLX safetensors for Apple Silicon. 607 tensors, float32.

Usage

from mlx_vlm import load
from mlx_vlm.extraction import extract

model, processor = load("nativ-community/moge-3-vitl-fp32")
result = extract(model, processor, "photo.jpg")
print(result["depth"].shape, result["normal"].shape, result["intrinsics"])

From the command line:

mlx_vlm.extract --model nativ-community/moge-3-vitl-fp32 \
    --image photo.jpg --output geometry.npz

Named outputs are points, depth, normal, mask and intrinsics. Masked-out pixels stay infinite, so read geometry through mask.

Conversion

python -m mlx_vlm.models.moge3.convert \
    --torch-ckpt model.pt --mlx-path moge-3-vitl-fp32 --dtype float32

model.pt comes from Ruicheng/moge-3-vitl. Conversion needs torch; inference does not.

Verification

On a 640x480 photo this checkpoint returns depth (480, 640), normal (480, 640, 3), a boolean mask and 3x3 intrinsics.

Attribution

Weights derive from Ruicheng/moge-3-vitl, MIT licensed, redistributed here converted to MLX under the same licence.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx-vlm

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
21b97b4

0 моделей