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/fast-foundationstereo/core/distill_block.py

@@ -0,0 +1,50 @@
+import os,sys
+code_dir = os.path.dirname(os.path.abspath(__file__))
+sys.path.append(code_dir+'/../')
+from foundation_stereo_ori.submodule import FeatureAtt
+import torch
+import torch.nn as nn
+import Utils as U
+import pickle
+
+
+class ForwardHelper(nn.Module):
+  def __init__(self, layers:list):
+    super().__init__()
+    self.layers = nn.ModuleList(layers)
+
+  def forward(self, x, left_feat=None):
+    for layer in self.layers:
+      if isinstance(layer, FeatureAtt):
+        x = layer(x, left_feat)
+      else:
+        x = layer(x)
+    return x
+
+
+class PostForwardHelper(nn.Module):
+  def __init__(self, layers:list):
+    super().__init__()
+    for pos in range(len(layers)):
+      if layers[pos] in ['sum', 'concat']:
+        self.op = layers[pos]
+        break
+    self.upsample = nn.Sequential(*layers[:pos])
+    self.out = nn.ModuleList(layers[pos+1:])
+
+  def forward(self, conv2, conv3, left_feat=None):
+    conv3_up = self.upsample(conv3)
+    if self.op == 'sum':
+      x = conv3_up + conv2
+    elif self.op == 'concat':
+      x = torch.cat((conv3_up, conv2), dim=1)
+    else:
+      raise ValueError(f"Unknown operation: {self.op}")
+
+    for layer in self.out:
+      if isinstance(layer, FeatureAtt):
+        x = layer(x, left_feat)
+      else:
+        x = layer(x)
+    return x
+