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/test_model.py

@@ -0,0 +1,82 @@
+import torch
+import torch.nn.functional as F
+import numpy as np
+import cv2
+from imread_from_url import imread_from_url
+
+from nets import Model
+
+device = 'cuda'
+
+#Ref: https://github.com/megvii-research/CREStereo/blob/master/test.py
+def inference(left, right, model, n_iter=20):
+
+	print("Model Forwarding...")
+	imgL = left.transpose(2, 0, 1)
+	imgR = right.transpose(2, 0, 1)
+	imgL = np.ascontiguousarray(imgL[None, :, :, :])
+	imgR = np.ascontiguousarray(imgR[None, :, :, :])
+
+	imgL = torch.tensor(imgL.astype("float32")).to(device)
+	imgR = torch.tensor(imgR.astype("float32")).to(device)
+
+	imgL_dw2 = F.interpolate(
+		imgL,
+		size=(imgL.shape[2] // 2, imgL.shape[3] // 2),
+		mode="bilinear",
+		align_corners=True,
+	)
+	imgR_dw2 = F.interpolate(
+		imgR,
+		size=(imgL.shape[2] // 2, imgL.shape[3] // 2),
+		mode="bilinear",
+		align_corners=True,
+	)
+	# print(imgR_dw2.shape)
+	with torch.inference_mode():
+		pred_flow_dw2 = model(imgL_dw2, imgR_dw2, iters=n_iter, flow_init=None)
+
+		pred_flow = model(imgL, imgR, iters=n_iter, flow_init=pred_flow_dw2)
+	pred_disp = torch.squeeze(pred_flow[:, 0, :, :]).cpu().detach().numpy()
+
+	return pred_disp
+
+if __name__ == '__main__':
+
+	left_img = imread_from_url("https://raw.githubusercontent.com/megvii-research/CREStereo/master/img/test/left.png")
+	right_img = imread_from_url("https://raw.githubusercontent.com/megvii-research/CREStereo/master/img/test/right.png")
+
+	in_h, in_w = left_img.shape[:2]
+
+	# Resize image in case the GPU memory overflows
+	eval_h, eval_w = (in_h,in_w)
+	assert eval_h%8 == 0, "input height should be divisible by 8"
+	assert eval_w%8 == 0, "input width should be divisible by 8"
+	
+	imgL = cv2.resize(left_img, (eval_w, eval_h), interpolation=cv2.INTER_LINEAR)
+	imgR = cv2.resize(right_img, (eval_w, eval_h), interpolation=cv2.INTER_LINEAR)
+
+	model_path = "models/crestereo_eth3d.pth"
+
+	model = Model(max_disp=256, mixed_precision=False, test_mode=True)
+	model.load_state_dict(torch.load(model_path), strict=True)
+	model.to(device)
+	model.eval()
+
+	pred = inference(imgL, imgR, model, n_iter=20)
+
+	t = float(in_w) / float(eval_w)
+	disp = cv2.resize(pred, (in_w, in_h), interpolation=cv2.INTER_LINEAR) * t
+
+	disp_vis = (disp - disp.min()) / (disp.max() - disp.min()) * 255.0
+	disp_vis = disp_vis.astype("uint8")
+	disp_vis = cv2.applyColorMap(disp_vis, cv2.COLORMAP_INFERNO)
+
+	combined_img = np.hstack((left_img, disp_vis))
+	cv2.namedWindow("output", cv2.WINDOW_NORMAL)
+	cv2.imshow("output", combined_img)
+	cv2.imwrite("output.jpg", disp_vis)
+	cv2.waitKey(0)
+
+
+