/ Модель

Характеристики

Лицензия
CC BY-NC-SA 4.0
Библиотека
pytorch
Опубликована
8 окт 2026

TartanMatch

Эмбеддинги изображенийИзображение → embedding

TartanMatch сопоставляет пиксели между видами сцены в RGB, глубине, тепловизионных, LiDAR и event-данных, предсказывая оптический поток и видимость.

0скачиваний за 30 дней1лайквеса обновлены8 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

TartanMatch — модель для поиска плотных соответствий между двумя видами сцены, разработанная TartanMatch project. Для каждого пикселя исходного изображения она предсказывает координату соответствующего пикселя в целевом виде в форме оптического потока, а также вероятность видимости этого пикселя. Один набор весов поддерживает все 25 упорядоченных пар между RGB, глубиной, тепловизионными данными, LiDAR и событиями event-камеры, включая пары с разными модальностями.

Модель использует энкодер ViT-L/14, содержит 428,3 млн параметров и рассчитана на разрешение инференса 420×560. Подходит для сопоставления изображений и сенсорных представлений сцены в задачах компьютерного зрения и робототехники. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на условиях распространения производных материалов на той же лицензии, но запрещает коммерческое применение.

Сценарии применения

  • плотное сопоставление пикселей между двумя RGB-изображениями сцены
  • сопоставление RGB-кадра с картой глубины
  • поиск соответствий между тепловизионным и RGB-изображением
  • сопоставление видов сцены с данными LiDAR
  • сопоставление кадров event-камеры с изображениями других модальностей
  • оценка оптического потока и видимости пикселей между видами

Ограничения

Инференс описан для разрешения 420×560, и для работы требуется корректный формат входных данных соответствующей модальности. Лицензия CC BY-NC-SA 4.0 не допускает коммерческого использования.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TartanMatch: Towards Universal Dense Correspondence Across Modalities

Project page | Code | arXiv (coming soon)

Dense correspondence between any two views captured in RGB, depth, thermal, LiDAR, or event modalities. Given a source view and a target view (same or different modality), TartanMatch predicts, for every source pixel, the matching target pixel (optical flow) and the probability that the pixel is visible in the target (covisibility). One set of weights serves all 25 ordered modality pairs.

Files

FileDescription
tartanmatch_v1.safetensorsAll-modality model, ViT-L/14 encoder, 420x560 inference resolution, 428.3M params.

Usage

git clone https://github.com/castacks/tartanmatch.git
cd tartanmatch && pip install -e .
from tartanmatch import TartanMatch

model = TartanMatch.from_pretrained("theairlabcmu/TartanMatch", device="cuda")
out = model.predict(source, "rgb", target, "event", event_resolution=(640, 640))
flow = out.flow[0]                 # (2, H, W): target pixel = source pixel + flow
covisibility = out.covisibility[0] # (H, W) in [0, 1]

See the repository README for the input format of each modality.

License

The code is released under the BSD-3-Clause license. The model weights inherit the licenses of the training datasets and are released under CC BY-NC-SA 4.0; they may not be used for commercial purposes.

Citation

@article{kwon2026tartanmatch,
 title={TartanMatch: Towards Universal Dense Correspondence Across Modalities},
 author={Kwon, Hyeokjoon and Cai, Jiting and Li, Ruogu and Bhandari, Kritan and Hemkumar, Geethika and Maheshwari, Parv and Qiu, Yuheng and Zhang, Yuchen and Scherer, Sebastian and Wang, Wenshan},
 journal={arXiv preprint},
 year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch · image-feature-extraction

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
5ae4f0c

0 моделей