S-Agent 2.0: агент для точного вимірювання 3D-сцен за фото

TL;DR

• S-Agent 2.0 — відкритий кодуючий агент для вимірювання 3D-сцен за фото та відео.

• Використовує заморожені моделі Depth Anything 3, p-mos, GeoCalib і SAM 3.

• Зберігає пам’ять сцени між викликами: позиція, розмір, поза, ім’я об’єкта.

• Читає просторову мову з одиницями виміру і системою відліку.

• Репозиторій на GitHub без ціни, підтримки чи готового деплою.

Як це змінить ваш ринок?

Технологія наближує момент, коли комп’ютерний зір зможе точно вимірювати реальні об’єкти за знімком. Для виробництва та будівництва це означає можливість автоматизувати інвентаризацію та контроль розмірів без дорогої лазерної сканування. Але поки це прототип, а не готовий бізнес-продукт.

Визначення: VLM (Vision-Language Model) — модель, яка обробляє зображення та текст разом, розуміючи зв’язок між ними.

Для кого це і за яких умов

Для компаній з власною IT-командою, які можуть самостійно розгортати та налаштовувати відкритий код. Мін. вимоги: GPU для роботи з моделями глибинної сегментації. Час на впровадження: тижні розробки, а не години. Для бізнесу до 50 людей без розробників це не підходить.

Альтернативи