К содержимому
Другое

RCQFusion

3D-детекция объектов по данным камеры и радара

2 мин чтенияобновлено

Модель для трёхмерного распознавания объектов в дорожных сценах, объединяющая данные с камеры и радара (Camera–Radar 3D Detection). На выходе система предсказывает координаты и класс объектов трёх категорий: пешеходов (Pedestrian), велосипедистов (Cyclist) и автомобилей (Car). Решение основано на фреймворке MMDetection3D (библиотека для 3D-детекции объектов) и опубликовано в рамках анонимной подачи на конференцию ICLR. В отличие от чисто визуальных детекторов, модель использует радарные данные и временные связи между кадрами, что помогает точнее оценивать дистанцию и положение участников движения. Пригодится исследователям и разработчикам систем автономного вождения для воспроизведения экспериментов на датасете View of Delft (VoD).

Ключевые особенности

  • Объединение модальностей камеры и 5-кадрового радара с учётом временных связей между кадрами последовательности.
  • Распознавание трёх ключевых классов дорожных объектов: Pedestrian, Cyclist и Car.
  • Полный пайплайн инференса и валидации в комплекте: готовый чекпоинт, скрипты конвертации данных VoD и встроенная версия MMDetection3D 1.0.0rc6.
  • Поддержка запуска на одной или нескольких GPU с вычислениями в половинной точности (FP16).

Что можно сделать

  • Провести оценку качества 3D-детекции на валидационной выборке датасета View of Delft с расчётом официальной метрики AP11.
  • Использовать готовый чекпоинт и скрипты подготовки данных в качестве базового решения (baseline) для сравнения собственных алгоритмов слияния камеры и радара.
  • Запустить распределённый инференс на нескольких видеокартах для ускоренной генерации 3D-предсказаний по дорожным сценам.

Пример

export VOD_DATA_ROOT=/path/to/vod
CUDA_VISIBLE_DEVICES=0 bash tools/infer_vod.sh
ПодробнееВалидация (1296 кадров VoD, 3D AP11): общий mAP — 61.35% (Pedestrian 53.64%, Cyclist 76.23%, Car 54.18%), в коридоре движения (ROI) mAP — 77.92% (Cyclist до 90.84%).
Окружение: Linux, Python 3.8, PyTorch 1.9.1+cu111, mmcv-full 1.6.0 с CUDA-операторами; тестировалось на NVIDIA RTX A5000.
Ограничения: сам датасет VoD в репозиторий не включён и загружается отдельно по исследовательской лицензии.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.2 GB · готовые файлы0.7 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 · BF16 — 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.

    # iclr-submission-58778/rcqfusion-vod
    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 iclr-submission-58778/rcqfusion-vod --local-dir ~/models/rcqfusion-vod
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к rcqfusion-vod
  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

Новые посты про версии rcqfusion-vod — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

iclr-submission-58778/rcqfusion-vod
Автор
iclr-submission-58778
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

mars-dfd-hr

mars-dfd-hr