Добавлены пропсы конвейера и стереодвижки, задействованные в прогоне

assets/conveyors (274 МБ) - ленты и угловая секция NVIDIA, на которые ссылается сцена
относительным путём. Раньше исключались как перекачиваемые, но без них сцена не
композится из коробки.

cv/ - код стереодвижков, которые вызывает control_test, без весов:
* defom-stereo - рабочий бейзлайн (DEFOM vitl, вход 480, iters 24)
* crestereo - второй движок, точнее по габаритам (MAE 23.5 против 32.8 мм)
* fast-foundationstereo - проверялся, в бейзлайн не вошёл
* circular_section.py - показатель кругового сечения, перенесён в measure_plane.py:
  выравнивает облако по СОБСТВЕННЫМ главным осям и режет на пяти высотах вдоль каждой.
  Три самодельные версии (мировые оси, одно сечение) давали хуже; результаты проверки
  на эталонной геометрии - в circular_section_results.json

Веса по-прежнему не в репозитории - источники в MODELS.md. Наборы кадров прежних
прогонов (cv/flow_*, 1.26 ГБ) исключены: это выход, а не исходники.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

cv/crestereo/function_convertion_tests/test_split.py

@@ -0,0 +1,47 @@
+import pickle
+import numpy as np
+import megengine as mge
+
+import torch
+import torch.nn.functional as F
+
+def test_split():
+    # Getting back the megengine objects:
+    with open('test_data/split_test.pkl', 'rb') as f:
+        left_feature, size, axis, lefts = pickle.load(f)
+
+    left_feature = torch.tensor(left_feature.numpy())
+
+    # Test Pytorch
+    lefts_pytorch = torch.split(left_feature, left_feature.shape[axis]//size, dim=axis)
+    
+    for i, (left_pytorch, left) in enumerate(zip(lefts_pytorch, lefts)):
+
+        error = np.mean(left_pytorch.numpy()-left.numpy())
+        print(f"test_split {i} - Avg. Error: {error},  \n \
+            Obtained shape: {left_pytorch.numpy().shape}, Expected shape: {left.numpy().shape}\n")
+
+def test_split_list():
+    # Getting back the megengine objects:
+    with open('test_data/split_test_list.pkl', 'rb') as f:
+        fmap1, size, axis, net, inp = pickle.load(f)
+
+    fmap1 = torch.tensor(fmap1.numpy())
+    net = net.numpy()
+    inp = inp.numpy()
+
+    # Test Pytorch
+    net_pytorch, inp_pytorch = torch.split(fmap1, [size[0],size[0]], dim=axis)
+
+    error_net = np.mean(net_pytorch.numpy()-net)
+    error_inp = np.mean(inp_pytorch.numpy()-inp)
+    print(f"test_split_list (net) - Avg. Error: {error_net},  \n \
+        Obtained shape: {net_pytorch.numpy().shape}, Expected shape: {net.shape}\n")
+    print(f"test_split_list (inp) - Avg. Error: {error_inp},  \n \
+        Obtained shape: {inp_pytorch.numpy().shape}, Expected shape: {inp.shape}\n")
+
+
+if __name__ == '__main__':
+
+    test_split()
+    test_split_list()