Репозиторий содержит сторонние модели, преобразованные CamStack в форматы для инференса, включая детекцию, классификацию и извлечение признаков.

Подходит для: извлечение признаков изображений · поиск объектов на изображениях и видео · классификация изображений и типов автомобилей

Pi3X восстанавливает геометрию сцены и параметры камер по набору изображений, не требуя фиксированного опорного кадра.

Подходит для: восстановление геометрии сцены по нескольким фотографиям · оценка поз камер для набора изображений · построение локальных карт точек сцены

Компактная модель ByteDance для оценки глубины, геометрии сцены и поз камер по одному или нескольким изображениям.

Подходит для: оценка относительной глубины по одному изображению · восстановление геометрии сцены по нескольким ракурсам · оценка поз камер для набора изображений

Модель раскладывает изображение на редактируемые RGBA-слои для независимого изменения отдельных объектов и элементов композиции.

Подходит для: разложение изображения на отдельные RGBA-слои · подготовка изображения к редактированию отдельных объектов · перемещение объектов на изображении

Компактная модель ByteDance для оценки глубины по изображениям и восстановления позы камеры в многовидовых сценах.

Подходит для: оценка относительной глубины по одиночному изображению · оценка глубины по нескольким ракурсам сцены · оценка позы камеры по изображениям

SAM ViT-Huge строит маски объектов на изображениях по точкам, рамкам или автоматически, поддерживая сегментацию без дополнительного обучения.

Подходит для: выделение объекта на фото по указанной точке · сегментация объекта внутри заданной рамки · автоматическая генерация масок для объектов на изображении

Pi3 восстанавливает камеры и плотную 3D-геометрию сцены по набору изображений без фиксированного опорного кадра.

Подходит для: восстановление облака точек сцены по нескольким фотографиям · оценка поз камер для набора изображений · оценка глубины по одиночному изображению

Модель компьютерного зрения ByteDance для оценки глубины сцены и позы камеры по изображениям.

Подходит для: оценка относительной глубины по одному изображению · восстановление глубины по нескольким видам сцены · оценка позы камеры по изображениям

Флагманская Vision Transformer-модель ByteDance для оценки глубины, позы камеры и 3D-геометрии сцен по изображениям.

Подходит для: оценка относительной глубины по одному изображению · оценка глубины сцены по нескольким ракурсам · восстановление позы камеры по изображениям

Модель FAIR для выделения объектов масками на изображениях и видео, в том числе по точкам и рамкам с отслеживанием объектов между кадрами.

Подходит для: автоматическое выделение объектов на изображении · сегментация объекта по клику или нескольким точкам · сегментация объектов по ограничивающей рамке

MASt3R — модель компьютерного зрения для сопоставления изображений и восстановления 3D-геометрии сцены.

Подходит для: восстановление 3D-геометрии сцены по изображениям · сопоставление изображений для 3D-реконструкции · построение пространственных представлений по фотографиям

Модель ByteDance Seed для оценки метрической и относительной глубины, определения поз камер и восстановления геометрии сцен по изображениям.

Подходит для: оценка глубины сцены по фотографии · восстановление метрической геометрии по нескольким ракурсам · оценка позы камеры на серии изображений

Компактная модель Depth Anything V2 оценивает относительную глубину объектов по одному изображению.

Подходит для: построение карты относительной глубины по фотографии · оценка глубины сцены для компьютерного зрения · анализ расположения объектов в кадре

MapAnything — трансформер Facebook для восстановления метрической 3D-геометрии сцены по изображениям и выполнения связанных задач реконструкции.

Подходит для: восстановление 3D-геометрии сцены по нескольким фотографиям · многовидовая стереореконструкция · оценка метрической глубины по одному изображению

Компактная модель FAIR для сегментации объектов на изображениях и видео по точкам, рамкам или автоматически.

Подходит для: автоматическое выделение объектов на изображении · сегментация объекта по клику или нескольким точкам · уточнение маски объекта по ограничивающей рамке

Спутниковая Vision Transformer-модель Meta AI для извлечения признаков изображений и построения решений компьютерного зрения.

Подходит для: поиск похожих спутниковых снимков · классификация спутниковых изображений по визуальным признакам · сегментация объектов и поверхностей на спутниковых снимках

Depth Anything V2 Large оценивает относительную глубину объектов по одному изображению для задач компьютерного зрения.

Подходит для: построение карты относительной глубины по фотографии · оценка расстояний и структуры сцены на изображении · добавление глубины в конвейер обработки изображений

Reloc3r-512 оценивает относительные позы камер по изображениям и видео для быстрой визуальной локализации.

Подходит для: оценка относительного положения и ориентации камеры по паре изображений · локализация камеры по серии изображений · оценка движения камеры в видео

MapAnything — трансформер для восстановления метрической 3D-геометрии сцен по одному или нескольким изображениям.

Подходит для: восстановление 3D-геометрии сцены по нескольким изображениям · многовидовая стереореконструкция · оценка метрической глубины по одному изображению

Сжатая модель SAM для автоматической и управляемой подсказками сегментации объектов на изображениях.

Подходит для: автоматическая сегментация объектов на изображении · создание маски объекта по заданным точкам · выделение объекта по ограничивающей рамке

Компактная модель Depth Anything V2 для оценки метрической глубины и расстояний на изображениях помещений.

Подходит для: построение карты глубины помещения по фотографии · оценка расстояния до объектов в кадре · метрическая реконструкция внутренней сцены

SAM ViT-L — модель Meta для сегментации объектов на изображениях по визуальным подсказкам или автоматически.

Подходит для: создание маски объекта по точке на изображении · сегментация объекта по ограничивающей рамке · автоматическое выделение объектов на изображении

Модель NVIDIA Cosmos3 для генерации видео из исходного изображения, ориентированная на сценарии Physical AI.

Подходит для: создание видеосцены по исходному изображению · генерация динамичных сцен для симуляции физических сред · создание видеоданных для робототехнических сценариев

Компактная модель Tencent для быстрой генерации 3D-сетки по изображению.

Подходит для: создание 3D-модели объекта по изображению · преобразование концепт-арта в 3D-сетку · быстрое прототипирование 3D-ассетов по визуальному референсу