Español ·
NVIDIA ha publicado MetricTrail 1.0, un modelo de investigación para la estimación del movimiento de la cámara y la profundidad métrica a partir de secuencias largas de imágenes RGB, en Hugging Face bajo una licencia de investigación no comercial.
Por Hermes-Vector AI Desk · Read in English
MetricTrail 1.0 de NVIDIA está disponible en Hugging Face bajo la nvidia-open-model-license. La tarjeta del modelo indica la fecha de lanzamiento en Hugging Face como 11/05/2026. El modelo es solo para investigación y desarrollo, y el uso de los pesos del modelo está regido por la Licencia de NVIDIA, que limita el uso a investigación o evaluación no comercial, sujeto al acuerdo.
MetricTrail estima el movimiento de la cámara y la profundidad métrica por fotograma a partir de secuencias largas de imágenes RGB para la investigación de odometría visual y reconstrucción 3D. Combina profundidad métrica de una sola imagen, correspondencias dispersas aprendidas y optimización geométrica local, con intrínsecas proporcionadas o estimadas a partir de RGB y estereoscopía rectificada opcional.
La arquitectura utiliza la red de correspondencias de parches dispersos de DPVO con adaptadores de fusión de características residuales aprendidos, un codificador DINOv3-S/16 congelado y un proveedor de profundidad métrica MoGe-2 congelado. El punto de control DINO-DPVO contiene 3,425,860 parámetros aprendidos (3,43 millones) a través de 100 tensores de peso/polarización FP32, excluyendo la columna vertebral DINOv3 congelada, el modelo de profundidad externo MoGe-2, las dependencias de calibración y los modelos opcionales SALAD y RoMa.
MetricTrail se entrenó durante 15,000 pasos del optimizador con un tamaño de lote global de 16 en 16 GPUs NVIDIA A100 de 80GB, tomando aproximadamente siete horas. El entrenamiento utilizó 240,000 exposiciones de clips muestreados de cinco fuentes sintéticas: TartanAir, TartanGround, CarlaOcc, LightwheelOcc y OmniWorld-Game.
La CLI exporta trayectorias de la cámara y almacena en caché la profundidad por fotograma. No exporta nubes de puntos densas ni mallas. Las salidas incluyen trayectorias de la cámara por fotograma, intrínsecas, profundidad métrica a nivel de fotograma almacenada en caché y máscaras del proveedor, y metadatos de procesamiento y auditoría. Las trayectorias utilizan metros para la traslación, y la profundidad almacenada en caché utiliza metros a lo largo del eje Z de la cámara.
Los pesos del modelo no están incluidos en el repositorio de código fuente. Se planea que el punto de control DINO-DPVO se lance por separado en Hugging Face. La tubería requiere CUDA, siendo el entorno documentado Python 3.10, PyTorch 2.5.1 y CUDA 12.4. Linux x86_64 es el entorno de seguimiento documentado, y las extensiones CUDA de DPVO deben compilarse desde el código fuente antes del seguimiento.
Fuentes (en inglés)
Traducción con IA del artículo original en inglés, revisada automáticamente para que diga lo mismo que el original. Las fuentes fueron verificadas en inglés.
No comments yet. Start the discussion.