К содержимому
Компьютерное зрение

qwen3d_points_dist

файнтюн Qwen-3D для поиска изменений в помещении по облаку точек

1 мин чтенияобновлено

Экспериментальная модель на базе Qwen-3D (3B) создана для детектирования изменений между исходным облаком точек комнаты и новым RGB-D кадром (изображение с глубиной). Она определяет, какие объекты были перемещены или удалены, и выдает ответ в формате JSON с указанием дистанции перемещения в метрах. Архитектура использует вокселизацию исходных точек и специальный воксельный энкодер, объединенный с визуальным трансформером базовой модели через 4D RoPE. Модель обучена с помощью LoRA (небольшой надстройки над базовой моделью) и пригодится исследователям в области пространственного интеллекта и робототехники для анализа изменений пространственного окружения.

Ключевые особенности

  • Базируется на Qwen-3D (3B) и обучена на датасете vlm-change-detection-4k.
  • Использует воксельный энкодер для кодирования точек и цвета из исходного облака точек.
  • Применяет LoRA с рангом r=16 для адаптации весов LLM и кодировщика.
  • Выдает структурированный JSON-ответ с действиями (сдвинут, удален) и метрикой расстояния.

Что можно сделать

  • Применить для задач пространственного анализа и мониторинга изменений помещений по данным сенсоров.
  • Сравнить исходную карту комнаты с новым RGB-D кадром в исследовательских пайплайнах.
  • Интегрировать с кодом из ветки pointcloud-voxel-fusion репозитория spatial_llm.
ПодробнееИнициализация: katefgroup/Qwen-3D qwen3d_3b.pth
Обучение: LoRA r=16, alpha=32, 15 000 итераций на 1x NVIDIA RTX 5090 (~6.5 ч)
Ограничения: короткий первый запуск, энкодер обучен с нуля, крупные комнаты теряют часть вокселей из-за лимита в 6000 токенов
Лицензия: CC BY-NC 4.0 (некоммерческое использование)
Обсудить Telegram 0

Запустится ли?

Запустится в FP8 / INT8

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 24 GB · готовые файлы26 GB
  • FP8 / INT8рекомендуемвеса 15 GB18 GB
  • 4-bitвеса 12 GB14 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 4090 · BF16 — от RTX 5090

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

Это LoRA: вместе с базовой моделью Qwen-3D.

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.

    # jimtjames/qwen3d_points_dist
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 katefgroup/Qwen-3D --local-dir ~/models/Qwen-3D
    hf download jimtjames/qwen3d_points_dist --local-dir ~/models/qwen3d_points_dist
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen-3D
  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

Нужна базовая модель

katefgroup/Qwen-3D

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии Qwen-3D — сжатые, дообучения, LoRA — появятся в колокольчике.

LoRA и адаптеры 2Все на Hugging Face

О модели

jimtjames/qwen3d_points_dist
Автор
jimtjames
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Shot Reader 8B

Shot Reader 8B