Характеристики

Лицензия: CC BY-NC 4.0
Опубликована: 2 окт 2026

Ссылки

Hugging Face

MGE

shaozhimin

Языковая модель

MGE строит 3D-представления по последовательности изображений с ограниченным обменом информацией между видами.

0скачиваний за 30 дней0лайковвеса обновлены4 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

MGE (Masked Geometric Encoder) — модель для получения 3D-представлений по последовательности изображений. Её разработали Zhimin Shao, Xijun Liu, Zhaoliang Zhang, Yutao Tang, Abhay Yadav, Rama Chellappa и Cheng Peng. Репозиторий содержит чекпойнт модели и код обучения и оценки.

При обучении MGE случайно ограничивает глобальное внимание между видами, чтобы сократить обмен информацией между изображениями, а её 3D-признаки обучаются быть похожими на признаки полно-внимательного учителя. Модель предназначена для задач построения устойчивых 3D-представлений по нескольким изображениям; заявленная задача в метаданных — image-to-3d. Доступен формат PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое использование.

Сценарии применения

получение 3D-представлений объекта по последовательности изображений
использование в качестве 3D-энкодера для задач компьютерного зрения
обучение и оценка методов устойчивого 3D-представления по нескольким видам

Ограничения

Лицензия CC BY-NC 4.0 запрещает коммерческое использование. В описании приведены сведения о подходе и выпуске кода, но нет результатов количественной оценки качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Less Context, Better Geometry: Masked Geometric Encoder for Robust 3D Foundation Models

Zhimin Shao, Xijun Liu, Zhaoliang Zhang, Yutao Tang, Abhay Yadav, Rama Chellappa, Cheng Peng

News

[2026/10/2] Training/evaluation code release.

Overview

Given a sequence of images, during training, MGE masks the global attention randomly to limit the all-to-all cross-view information flow. To promote richer intermediate feature representation, we further introduce constrain MGE to produce similar 3D features compared to the full-attention teacher encoder output.

Reconstruction Visualizations

Installation

Clone MGE

git clone https://github.com/Zhimin00/MGE.git
cd MGE

Create conda environment

conda env create -f mge.yaml

Download Checkpoints

Please download pretrained teacher model from here and save at ckpt/.

The checkpoint of MGE is available at both Hugging Face. Download it and save at checkpoints/.

Citation

If you find our work useful, please consider citing:

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: b183a5d