К содержимому
Другое

DA3METRIC-LARGE-Kraken-UW

оценка метрической глубины под водой

2 мин чтенияобновлено

Модель определяет расстояние в метрах до объектов и дна по подводным снимкам с камер автономного необитаемого аппарата (AUV). В основе лежит depth-anything/DA3METRIC-LARGE от ByteDance, дообученная командой NTU Mecatron с помощью LoRA (небольшой адаптер, веса которого здесь уже вшиты в основную сеть) на синтетических данных из симулятора UnityMDS. В отличие от базовой версии, которая под водой сильно занижает дистанцию, эта адаптация восстанавливает реальный масштаб на глубинах до 5 метров и распространяется в виде единого файла ONNX (1.34 ГБ) для быстрого запуска в ONNX Runtime или TensorRT. Разработка пригодится создателям подводных роботов и участникам соревнований уровня RoboSub и RobotX.

Ключевые особенности

  • Высокая точность на ближней дистанции: в диапазоне 0–5 м относительная ошибка AbsRel падает с 0.81 до 0.082 по сравнению с оригинальной DA3 Metric Large.
  • Готовность к продакшену: LoRA-адаптер объединён с базовыми слоями в один ONNX-файл, из которого легко собрать fp16-движок для TensorRT.
  • Учёт оптики камеры: для перевода сырого выхода сети в метры используется формула масштабирования с фокусным расстоянием конкретной камеры (без неё оценка будет занижена примерно на 35%).
  • Отдельная маска неба: помимо карты глубины depth модель возвращает маску sky, позволяя корректно заполнять дальний фон на постобработке.

Что можно сделать

  • Встроить в систему восприятия подводного робота (AUV) для навигации и обхода препятствий в симуляторах и бассейнах.
  • Объединить карту глубины с масками сегментации объектов, чтобы вычислять точное расстояние до конкретных целей и подводных труб.
  • Использовать открытые скрипты обучения и экспорта от авторов как шаблон для дообучения Depth Anything 3 под другие камеры и подводные сцены.

Пример

import onnxruntime as ort

sess = ort.InferenceSession("DA3METRIC-LARGE_latest.onnx", providers=["CUDAExecutionProvider"])
# x: RGB-кадр [1, 3, 280, 504] после resize и ImageNet-нормализации
depth, sky = sess.run(["depth", "sky"], {"image": x})
focal = 0.5 * (286.02 * 504 / 640 + 286.02 * 280 / 480)
depth_metres = depth[0, 0] * focal / 300.0
depth_metres[sky[0, 0] >= 0.3] = 200.0
Подробнее Метрики в UnityMDS (камера вниз, медианная высота 3.3 м): AbsRel улучшился с 0.824 до 0.105, масштаб вырос с 0.16 до 0.92 (идеал — 1.0), доля пикселей с ошибкой δ < 1.25 достигла 0.88.
Железо и формат: размер файла 1.34 ГБ, фиксированный вход [1, 3, 280, 504] (fp32, batch 1); обучение заняло ~6 часов на 1× Tesla T4 (8 000 пар RGB+depth).
Ограничения: модель тестировалась только в симуляторе (Sim only), хуже оценивает дистанцию дальше 5 м и занижает расстояние до труб глубже 2 м.
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # justnothin/DA3METRIC-LARGE-Kraken-UW
    # ===== 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 justnothin/DA3METRIC-LARGE-Kraken-UW --local-dir ~/models/DA3METRIC-LARGE-Kraken-UW
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к DA3METRIC-LARGE-Kraken-UW
  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 DA3METRIC-LARGE-Kraken-UW — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

justnothin/DA3METRIC-LARGE-Kraken-UW
Автор
justnothin
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