Skip to content
Other

IdentiDeform-prior

определение физических свойств материала по видео

2 min readupdated

Модель анализирует короткое видео с трёх ракурсов, на котором объект сжимают, роняют, гнут, растягивают или бьют, и предсказывает тип его материала (упругий jelly, упруго-пластический metal или plasticine), а также физические параметры и оценку неопределённости. В основе лежит замороженный видеоэнкодер V-JEPA 2 ViT-L от Meta (facebook/vjepa2-vitl-fpc64-256), поверх которого работает ансамбль из 9 лёгких голов по 2.85M параметров каждая. В отличие от классического подбора параметров через многократный запуск физического симулятора, модель даёт точную начальную оценку за один проход без итераций. Пригодится исследователям в области робототехники, компьютерного зрения и создания цифровых двойников.

Ключевые особенности

  • Ансамбль из 9 моделей-голов (3 варианта архитектуры × 3 сида) поверх V-JEPA 2 ViT-L, обучавшийся исключительно на синтетических данных симулятора MPM (Material Point Method — метод материальной точки).
  • Надёжно восстанавливает из видео два физически различимых по движению параметра: удельную жёсткость E/ρ и удельный предел текучести σ_y/ρ (плотность ρ и коэффициент Пуассона ν также предсказываются, но остаются близки к среднему по выборке).
  • Возвращает калиброванную общую неопределённость σ_total (учитывает и разброс между головами, и предсказанную дисперсию), а также распределение голосов ансамбля по классам.
  • Выложена под свободной лицензией MIT вместе со скриптом инференса, весами голов (по 11.4 MB каждая) и статистиками нормализации.

Что можно сделать

  • Задавать начальные приближения и ширину поиска при оптимизации параметров в симуляторах MPM (simulation-in-the-loop refinement) и построении цифровых двойников.
  • Использовать в задачах роботизированного захвата и манипуляции деформируемыми предметами для предварительной оценки их жёсткости по видео.
  • Применять как базовый бейзлайн в исследованиях по выводу физических свойств объектов из визуальных наблюдений.

Пример

from huggingface_hub import snapshot_download
import sys; root = snapshot_download("HandsomeHusky/IdentiDeform-prior"); sys.path.insert(0, root)
from inference import IdentiDeformPrior

prior = IdentiDeformPrior(root, device="cuda")
out = prior.predict(rgb, times)  # rgb: [3, T, 3, H, W] uint8, times: T секунд
print(out["class"], out["parameters"]["E_over_rho"])
ПодробнееМетрики на тесте: точность классификации материала — 0.743 (на валидации 0.700), внутриклассовая корреляция Пирсона r — 0.629 для E/ρ и 0.793 для σ_y/ρ.
Без единого запуска симулятора (k=0) ошибка составляет 0.344 на валидации и 0.496 на тесте — это лучше, чем слепой подбор по средним значениям классов после 24 симуляций (0.482 / 0.515).
Требования и точность: вход — 3 синхронизированных ракурса по 64 кадра (224×224 px); V-JEPA 2 запускается в bf16 на GPU (на CPU или в fp32 среднее сдвигается до ~0.05 z).
Ограничения: обучение проходило только на рендерах одного MPM-движка (1 955 симуляций, 87 объектов), поэтому для переноса в другой домен требуется донастройка или калибровка.
Discuss Telegram 0

Will it run?

Runs in BF16

Fits without quantisation.

  • BF16weights 0.0 GB · ready files0.5 GB
  • FP8 / INT8recommendedweights 0.0 GB0.5 GB
  • 4-bitweights 0.0 GB0.5 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

What to get for this model

Massed ComputeOpen Massed Compute

Your own GPU: FP8 / INT8 — from RTX 2060 · BF16 — from RTX 2060

Massed Compute hourly prices, November 2026. The discounted price applies with the coupon at checkout.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # HandsomeHusky/IdentiDeform-prior
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download HandsomeHusky/IdentiDeform-prior --local-dir ~/models/IdentiDeform-prior
    # The model is in ~/models. How to run it is in the model card (link above).
    Add more LoRAs to IdentiDeform-prior
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

New posts about versions of vjepa2-vitl-fpc64-256 (quants, finetunes, LoRAs) will show up under the bell.

Quantised versions 5All on Hugging Face
Fine-tunes 12All on Hugging Face

About the model

HandsomeHusky/IdentiDeform-prior
Author
HandsomeHusky
Category
Other
Released
Posted

On NeyroLearn

Hugging Face

00

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments