К содержимому
Другое

WristDepth

метрическая глубина для камер на запястье робота

2 мин чтенияобновлено

Модель WristDepth решает задачу точного определения глубины сцены в метрах по одному изображению и фокусному расстоянию, специально оптимизированную для камер на манипуляторах роботов на расстояниях от 5 см до 1.5 м. Она основана на архитектуре Depth Pro 2 B (размером 0.1B параметров), дообученной на синтетических данных под специфику робототехники. В отличие от базовой модели, которая склонна завышать расстояние в несколько раз, WristDepth значительно снижает ошибки на реальных сценах и выдает точную карту глубины. Модель пригодится инженерам-робототехникам и исследователям, работающим с системами компьютерного зрения.

Ключевые особенности

  • Специализация под роборуки: дообучена на синтетических данных с учетом видимости захвата в кадре.
  • Снижение ошибок: уменьшает погрешность на неизведанных сценах по сравнению с базовой версией.
  • Готовые форматы: помимо весов PyTorch, предоставляет графы ONNX и поддержку TensorRT для инференса.
  • Метрический результат: выдает глубину напрямую в метрах с учетом горизонтального фокусного расстояния камеры.

Что можно сделать

  • Интеграция в робототехнику: применить модель в пайплайне управления роборукой для определения расстояния до объектов.
  • Экспорт в ONNX/TensorRT: запустить оптимизированные версии модели в форматах FP32, FP16 или INT8 для быстрого инференса.
  • Обработка потока: использовать конфигурации со стримингом и клипами для анализа последовательностей кадров.

Пример

from depth_pro_2 import DepthPro2, load_rgb
import torch

model = DepthPro2.from_pretrained("christianengel/WristDepth", precision=torch.bfloat16).to("cuda").eval()
image, _ = load_rgb("wrist.jpg")
depth = model.infer(image, f_px=450.0)["depth"]
ПодробнееБенчмарки: на наборе DROID test ошибка AbsRel снижена с 1.445 до 0.255, а масштаб улучшен с 2.27 до 1.00.
Ограничения: масштаб может варьироваться в зависимости от сетапа, рекомендуется калибровка под конкретную камеру.
Детали обучения: 4000 кадров из процедурных рендеров BlenderProc, самодистилляция и функция потерь log-depth L1 + gradient matching.
Обсудить Telegram 0

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.4 GB · готовые файлы0.9 GB
  • BF16веса 0.2 GB0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.1 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # christianengel/WristDepth
    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 christianengel/WristDepth --local-dir ~/models/WristDepth
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к WristDepth
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

apple/DepthPro2-B

Новые посты про версии DepthPro2-B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 2Все на Hugging Face
Дообучения 4Все на Hugging Face

О модели

christianengel/WristDepth
Автор
christianengel
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Sulphur 3

Sulphur 3